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

Pooyan Fazli

ACL 2026CVPR 2026ICML 2026多模态推理强化学习与后训练效率与系统可解释性
新星分资深
21
一作贡献0
核心/参与5
方向广度16
合作网络3
0 一作 · 3 篇 · ACL 2026 / CVPR 2026 / ICML 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 #2/2CVPR 2026Poster· Computer Vision & Pattern Recognition

AVATAR: Reinforcement Learning to See, Hear, and Reason Over Video

Yogesh Kulkarni · Pooyan Fazli

多模态推理强化学习与后训练OpenReview 项目页
作者位次 #3/3ACL 2026Poster· Natural Language Processing

R e GATE : Learning Faster and Better with Fewer Tokens in MLLM s

Chaoyu Li · Yogesh Kulkarni · Pooyan Fazli

摘要

The computational cost of training multimodal large language models (MLLMs) grows rapidly with the number of processed tokens. Existing efficiency methods mainly target inference via token reduction or merging, offering limited benefits during training. We introduce ReGATE ( Re ference- G uided A...

效率与系统可解释性多模态OpenReview 项目页

常见合作者