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

Meng Chu

CVPR 2026×2AAAI 2026ACL 2026多模态推理效率与系统检索与知识强化学习与后训练
新星分新星
86
一作贡献70
核心/参与10
方向广度16
合作网络12
2 一作 · 4 篇 · CVPR 2026 / AAAI 2026 / 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

4
作者位次 #6/9ACL 2026Poster· Natural Language Processing

S earch G ym: Bootstrapping Real-World Search Agents via Cost-Effective and High-Fidelity Environment Simulation

Xichen Zhang · Ziyi He · Yinghao Zhu · Sitong Wu · Shaozuo Yu · Meng Chu · Wenhu Zhang · Haoru Tan · Jiaya Jia

摘要

Search agents have emerged as a pivotal paradigm for solving open-ended, knowledge-intensive reasoning tasks. However, training these agents via Reinforcement Learning (RL) faces a critical dilemma: interacting with live commercial Web APIs is prohibitively expensive, while relying on static data...

检索与知识推理强化学习与后训练OpenReview 项目页

常见合作者