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

Li Yang

AwardACL 2026ICLR 2026强化学习与后训练效率与系统对齐与偏好
新星分资深
25
一作贡献0
核心/参与17
方向广度9
合作网络3
0 一作 · 2 篇 · ACL 2026 / ICLR 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

2
作者位次 #3/4ICLR 2026Poster· General Machine Learning / Everything Else

Rethinking Continual Learning with Progressive Neural Collapse

Zheng Wang · Wanhao Yu · Li Yang · Sen Lin

作者位次 #9/9ACL 2026OralOutstanding Paper· Natural Language Processing

From Local to Global: Revisiting Structured Pruning Paradigms for Large Language Models

Ziyan Wang · Enmao Diao · Qi Le · Pu Wang · Minwoo Lee · Shu-ping Yeh · Evgeny Stupachenko · Hao Feng · Li Yang

摘要

Structured pruning is a practical approach to deploying large language models (LLMs) efficiently, as it yields compact, hardware-friendly architectures. However, the dominant local paradigm is task-agnostic: by optimizing layer-wise reconstruction rather than task objectives, it tends to preserve...

强化学习与后训练效率与系统对齐与偏好OpenReview 项目页

常见合作者