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

Feng Wang

ACL 2026强化学习与后训练推理效率与系统
新星分贡献者
22
一作贡献0
核心/参与5
方向广度6
合作网络3
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 #5/7ACL 2026Poster· Natural Language Processing

S tep H int: Multi-level Stepwise Hints Enhance Reinforcement Learning to Reason

Kaiyi Zhang · Ang Lv · Jinpeng Li · Yongbo Wang · Feng Wang · Haoyuan hu · Rui Yan

摘要

Reinforcement learning with verifiable rewards (RLVR) is a promising approach for improving the complex reasoning abilities of large language models (LLMs). However, current RLVR methods face two significant challenges: the near-miss reward problem, where a small mistake can invalidate an otherwi...

强化学习与后训练推理效率与系统OpenReview 项目页

常见合作者