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

Ruihui Li

AAAI 2026×2ACL 2026CVPR 2026效率与系统多模态可解释性推理长上下文与架构
新星分贡献者
49
一作贡献0
核心/参与15
方向广度16
合作网络6
0 一作 · 4 篇 · AAAI 2026 / ACL 2026 / CVPR 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

4
作者位次 #4/6ACL 2026Poster· Natural Language Processing

L a C o: Layer-wise Compensation for Pruned Large Language Models

Yingen Liu · Fan Wu · Panxuyan · Ruihui Li · Zhuo Tang · Kenli Li

摘要

Pruning is essential for the efficient deployment of Large Language Models (LLMs); however, it causes severe performance degradation due to the structural distortion induced by sparsity.Existing recovery strategies, such as LoRA, predominantly employ global fine-tuning, often overlooking the mech...

效率与系统可解释性推理OpenReview 项目页

常见合作者