paper.dinq.meAI 与前沿科学顶会 · 学术新星雷达
登录 DINQ
返回新星榜
FL

Feiyang Li

ACL 2026推理可解释性强化学习与后训练
新星分新星
48
一作贡献30
核心/参与0
方向广度6
合作网络0
1 一作 · 1 篇 · ACL 2026

获取完整研究档案

首次获取该候选人的完整档案及 StartLux 评估共 20 积分;每位用户单独解锁,之后查看免费。主动刷新 20 积分。

联系方式

实时查找电子邮箱,费用不超过20积分;未找到邮箱不扣费。

2026 顶会论文

1
一作ACL 2026Findings· Findings of ACL

D e C o V ec: Building Decoding Space based Task Vector for Large Language Models via In-Context Learning

Feiyang Li · Yile Wang

摘要

Task vectors, representing directions in model or activation spaces that encode task-specific behaviors, have emerged as a promising tool for steering large language models (LLMs). However, existing approaches typically require fine-tuning or invasive manipulation of internal states, limiting the...

推理可解释性强化学习与后训练OpenReview 项目页

常见合作者