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

Thu Le

ACL 2026智能体与工具评测与基准强化学习与后训练
新星分资深
9
一作贡献0
核心/参与0
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 #4/4ACL 2026Findings· Findings of ACL

Towards Self-Improving Error Diagnosis in Multi-Agent Systems

Jiazheng Li · Emine Yilmaz · Bei Chen · Thu Le

摘要

Large Language Model (LLM)-based Multi-Agent Systems (MAS) enable complex problem-solving but introduce significant debugging challenges, characterized by long interaction traces, inter-agent dependencies, and delayed error manifestation. Existing diagnostic approaches often rely on expensive exp...

智能体与工具评测与基准强化学习与后训练OpenReview 项目页

常见合作者