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

Zifan He

ACL 2026推理强化学习与后训练效率与系统
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 #9/12ACL 2026Findings· Findings of ACL

Towards Hierarchical Multi-Step Reward Models for Enhanced Reasoning in Large Language Models

Teng Wang · Jiang Zhangyi · Zhenqi He · Hailei Gong · Shenyang Tong · Wenhan Yang · Zeyu Li · Yanan Zheng · Zifan He · Zewen Ye · Shengjie Ma · Jianping Zhang

摘要

Large Language Models (LLMs) have demonstrated strong mathematical reasoning abilities through supervised fine-tuning and reinforcement learning. However, existing Process Reward Models (PRMs) are vulnerable to reward hacking and require expensive, large-scale annotation of reasoning steps, limit...

推理强化学习与后训练效率与系统OpenReview 项目页

常见合作者