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

Nagarajan Natarajan

ICLR 2026×2ACL 2026评测与基准检索与知识多模态强化学习与后训练智能体与工具
新星分贡献者
46
一作贡献0
核心/参与15
方向广度13
合作网络6
0 一作 · 3 篇 · ICLR 2026 / 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

3
作者位次 #3/4ICLR 2026Poster· Applications / Language, Speech and Dialog

FrugalRAG: Less is More in RL Finetuning for Multi-hop Question Answering

Abhinav Java · Srivathsan Koundinyan · Nagarajan Natarajan · Amit Sharma

多模态强化学习与后训练检索与知识OpenReview
作者位次 #5/7ACL 2026Findings· Findings of ACL

Learning Optimal Message Representations for Agentic Communication

Shashwat Gupta · Anson Bastos · Mayukh Das · Supriyo Ghosh · Nagarajan Natarajan · Chetan Bansal · Saravan Rajmohan

摘要

Large Language Models (LLMs) have demonstrated remarkable capabilities in agentic collaborative problem-solving, albeit a gap exists. Existing frameworks predominantly rely on natural language as a primary representation (format) for agentic communication. However natural language could be ambigu...

评测与基准智能体与工具可解释性OpenReview 项目页

常见合作者