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

Deqing Fu

ICML 2026×2ACL 2026理论与学习动力学数据与预训练安全效率与系统可解释性
新星分贡献者
63
一作贡献0
核心/参与29
方向广度13
合作网络12
0 一作 · 3 篇 · ICML 2026 / 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

3
作者位次 #2/4ICML 2026Poster· Deep Learning / Algorithms

Transformers Provably Learn Algorithmic Solutions for Graph Connectivity, But Only with the Right Data

Qilin Ye · Deqing Fu · Robin Jia · Vatsal Sharan

理论与学习动力学OpenReview
作者位次 #2/7ACL 2026Poster· Natural Language Processing

Textual Steering Vectors Can Improve Visual Understanding in Multimodal Large Language Models

Woody Haosheng Gan · Deqing Fu · Julian Asilis · Ollie Liu · Vatsal Sharan · Robin Jia · Willie Neiswanger

摘要

Steering methods have emerged as effective tools for guiding large language models’ behavior, yet multimodal large language models (MLLMs) lack comparable techniques due to architectural diversity and limited availability of multimodal steering vectors. Inspired by this gap, we demonstrate that s...

可解释性多模态推理OpenReview 项目页

常见合作者