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

Xu Guo

ACL 2026ICML 2026推理强化学习与后训练评测与基准
新星分新星
62
一作贡献30
核心/参与5
方向广度9
合作网络9
1 一作 · 2 篇 · ACL 2026 / ICML 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

2
一作ACL 2026Findings· Findings of ACL

Rethinking Multiple-Choice Questions for RLVR : Unlocking Potential via Distractor Design

Xu Guo · Qiming Ge · Jian Tong · Kedi Chen · Jin Zhang · Xiaogui Yang · Xuan Gao · Haijun Lv · Zhihui Lu · Yicheng Zou · Qipeng Guo

摘要

Reinforcement Learning with Verifiable Rewards (RLVR) significantly enhances the reasoning capabilities of Large Language Models. When applied to RLVR, Multiple-Choice Questions (MCQs) offer a scalable source of verifiable data but risk inducing reward hacking, where models shortcut reasoning via...

强化学习与后训练推理评测与基准OpenReview 项目页

常见合作者