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

Chuyang Zhao

ACL 2026强化学习与后训练推理评测与基准
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 #8/12ACL 2026Poster· Natural Language Processing

I ² B - LPO : Latent Policy Optimization via Iterative Information Bottleneck

Huilin Deng · Hongchen Luo · Yue Zhu · Long Li · Zhuoyue Chen · Xinghao Zhao · Ming LI · Chuyang Zhao · Jihai Zhang · MengChang Wang · Yang Cao · Yu Kang

摘要

Despite recent advances in Reinforcement learning with verifiable rewards (RLVR) for large language model (LLM) reasoning, most methods suffer from exploration collapse, as the semantic homogeneity of random rollouts traps models in narrow, over-optimized behaviors. Existing methods leverage poli...

强化学习与后训练推理评测与基准OpenReview 项目页

常见合作者