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

Xunlong Wang

ACL 2026强化学习与后训练对齐与偏好可解释性
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 #4/6ACL 2026Poster· Natural Language Processing

Influence-based Online Experience Selection for Effective RLHF

Yifan Gong · Jing Yao · Xiting Wang · Xunlong Wang · Xiaoyuan Yi · Xing Xie

摘要

Reinforcement Learning from Human Feedback (RLHF) has emerged as a crucial technique for aligning large language models (LLMs) with human preferences. However, existing RLHF methods face key challenges, including poor sample efficiency, high computational overhead, and slow convergence. Recent st...

强化学习与后训练对齐与偏好可解释性OpenReview 项目页

常见合作者