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

Seung-Ho Lee

ACL 2026强化学习与后训练效率与系统
新星分新星
49
一作贡献30
核心/参与0
方向广度4
合作网络3
1 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
一作ACL 2026Findings· Findings of ACL

PRIME : Ultra-Low-Rank Principal–Residual Model Merging

Seung-Ho Lee · Kyungsu Lee · Bazarvaani Zuchi · Jeongmin Ahn · Insuk Seo · Donghyeon Jeon · Inho Kang · Seung-Hoon Na

摘要

Model merging has emerged as an effective approach for integrating multiple task-specific fine-tuned models into a single unified model without requiring additional data-intensive training. A central challenge in model merging is to reduce task interference while preserving the task-specific capa...

强化学习与后训练效率与系统OpenReview 项目页

常见合作者