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

Di Wu

AAAI 2026×2ACL 2026NeurIPS 2026推理强化学习与后训练多模态安全智能体与工具
新星分新星
73
一作贡献30
核心/参与15
方向广度16
合作网络12
1 一作 · 4 篇 · AAAI 2026 / ACL 2026 / NeurIPS 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
一作ACL 2026Poster· Natural Language Processing

On-policy Reinforcement Fine-tuning with Offline reward for Multi-step Embodied Planning

Di Wu · Jiaxin Fan · Chloe Gu · Guanbo Wang · Wei Yin · Wenhao Li · Bo Jin

摘要

Embodied planning requires agents to make coherent multi-step decisions based on dynamic visual observations and verbal goals. While recent vision-language models (VLMs) excel at static perception tasks, they struggle in interactive environments. Reinforcement learning (RL) offers a natural way t...

多模态强化学习与后训练推理OpenReview 项目页

常见合作者