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

Xiangzhong Fang

ACL 2026推理强化学习与后训练数据与预训练
新星分资深
6
一作贡献0
核心/参与0
方向广度6
合作网络0
0 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
作者位次 #5/5ACL 2026Poster· Natural Language Processing

Reasoning with O mni T hought: A Large C o T Dataset with Verbosity and Cognitive Difficulty Annotations

Wenrui Cai · Chengyu Wang · Junbing Yan · Jun Huang · Xiangzhong Fang

摘要

Tasks such as mathematical problem solving and coding require models to leverage chain-of-thought (CoT) processes, enabling human-like reasoning strategies. However, the advancement of large reasoning models (LRMs) is hindered by the lack of comprehensive CoT datasets. Existing resources often fa...

推理强化学习与后训练数据与预训练OpenReview 项目页

常见合作者