作者位次 #2/4ICML 2026Poster· Deep Learning / Large Language Models
Approximation of Log-Partition Function in Policy Mirror Descent Induces Implicit Regularization for LLM Post-Training
Zhenghao Xu · Qin Lu · Changlong Yu · Tuo Zhao
强化学习与后训练OpenReview
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。
实时查找电子邮箱，费用不超过20积分；未找到邮箱不扣费。
Zhenghao Xu · Qin Lu · Changlong Yu · Tuo Zhao