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

Fangxiang Feng

CVPR 2026×2AAAI 2026ICLR 2026多模态可解释性理论与学习动力学对齐与偏好效率与系统
新星分贡献者
49
一作贡献0
核心/参与15
方向广度16
合作网络6
0 一作 · 4 篇 · CVPR 2026 / AAAI 2026 / ICLR 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 #5/5ICLR 2026Poster· Theory / Interpretability and Visualization

An Information-Theoretic Parameter-Free Bayesian Framework for Probing Labeled Dependency Trees from Attention Score

Hongxu Liu · Jing Ma · Xiaojie Wang · Caixia YUAN · Fangxiang Feng

可解释性多模态理论与学习动力学OpenReview

常见合作者