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

Jiarui Sun

ACL 2026强化学习与后训练推理对齐与偏好
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 #4/5ACL 2026Poster· Natural Language Processing

CLAR ity: Reasoning Consistency Alone Can Teach Reinforced Experts

Jiuheng Lin · Cong Jiang · Zirui Wu · Jiarui Sun · Yansong Feng

摘要

Training expert LLMs in domains with scarce fine-grained annotated data is admittedly challenging, often relying on multiple-choice questions (MCQs). However, standard outcome-based reinforcement learning (RL) on MCQs is risky. While outcome-based RL may improve accuracy, it frequently compromise...

强化学习与后训练推理对齐与偏好OpenReview 项目页

常见合作者