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

Shansan Gong

ACL 2026推理强化学习与后训练效率与系统
新星分贡献者
27
一作贡献0
核心/参与5
方向广度6
合作网络6
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 #5/8ACL 2026Poster· Natural Language Processing

E con P rover: Towards More Economical Test-Time Scaling for Automated Theorem Proving

Mukai Li · Linfeng Song · Zhenwen Liang · Jiahao Xu · Shansan Gong · Qi Liu · Haitao Mi · Dong Yu

摘要

Large Language Models (LLMs) have recently advanced the field of Automated Theorem Proving (ATP), attaining substantial performance gains through widely adopted test-time scaling strategies, notably reflective Chain-of-Thought (CoT) reasoning and increased sampling passes. However, they both intr...

推理强化学习与后训练效率与系统OpenReview 项目页

常见合作者