作者位次 #6/7ICLR 2026Poster
Token Hidden Reward: Steering Exploration-Exploitation in Group Relative Deep Reinforcement Learning
Wenlong Deng · YI REN · Yushu Li · Boying Gong · Danica Sutherland · Xiaoxiao Li · Christos Thrampoulidis
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。
实时查找电子邮箱,费用不超过20积分;未找到邮箱不扣费。
Wenlong Deng · YI REN · Yushu Li · Boying Gong · Danica Sutherland · Xiaoxiao Li · Christos Thrampoulidis
Minghui Chen · Wenlong Deng · James Y Zou · Han Yu · Xiaoxiao Li