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

Nan Yan

ACL 2026ICML 2026KDD 2026效率与系统强化学习与后训练智能体与工具安全可解释性
新星分新星
86
一作贡献80
核心/参与5
方向广度16
合作网络6
2 一作 · 3 篇 · ACL 2026 / ICML 2026 / KDD 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

3
一作ICML 2026Poster· Social Aspects / Security

MemIncept: Steering LLM Agents via Cooperative Stealthy Memory Injections

Nan Yan · Qian Lou · Jiarong Xing

智能体与工具安全可解释性OpenReview
作者位次 #6/8ACL 2026Findings· Findings of ACL

Federated L o RA Fine-Tuning with Pipelined Error-Mitigated Aggregation and Matrix-Wise Freezing

Haoran Wang · Xiong Wang · Yuqing Li · Jing Chen · Junyi Zhang · Nan Yan · Kun He · Wei Wang

摘要

Federated low-rank adaptation (LoRA) enables multiple clients to collaboratively fine-tune large language models (LLMs) without disclosing their raw data. However, existing works often experience performance degradation due to biased model aggregation and are hindered by significant communication...

效率与系统强化学习与后训练数据与预训练OpenReview 项目页

常见合作者