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

Yang Cao

CVPR 2026×6ICLR 2026×5AAAI 2026ACL 2026多模态理论与学习动力学评测与基准对齐与偏好数据与预训练
新星分贡献者
82
一作贡献0
核心/参与62
方向广度19
合作网络12
0 一作 · 13 篇 · CVPR 2026 / ICLR 2026 / AAAI 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

13
作者位次 #11/12ACL 2026Poster· Natural Language Processing

I ² B - LPO : Latent Policy Optimization via Iterative Information Bottleneck

Huilin Deng · Hongchen Luo · Yue Zhu · Long Li · Zhuoyue Chen · Xinghao Zhao · Ming LI · Chuyang Zhao · Jihai Zhang · MengChang Wang · Yang Cao · Yu Kang

摘要

Despite recent advances in Reinforcement learning with verifiable rewards (RLVR) for large language model (LLM) reasoning, most methods suffer from exploration collapse, as the semantic homogeneity of random rollouts traps models in narrow, over-optimized behaviors. Existing methods leverage poli...

强化学习与后训练推理评测与基准OpenReview 项目页

常见合作者