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

Zhecheng Hu

ACL 2026评测与基准推理强化学习与后训练
新星分贡献者
30
一作贡献0
核心/参与5
方向广度6
合作网络9
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 #3/11ACL 2026Findings· Findings of ACL

Are Large Language Models Reliable Reviewers? A Benchmark for Error Detection in Financial Documents

Ying He · Zhouhong Gu · Zhecheng Hu · Yubo Zhou · Hao Shen · Jiaqing Liang · Zhaoqian Dai · Ma Shuguang · F. Richard Yu · Yanghua Xiao · Zhixu Li

摘要

Ensuring the accuracy of financial documents is critical for economic analysis, regulatory compliance, and corporate decision-making. Several studies have shown that Large Language Models (LLMs) perform well in many financial tasks, such as stock price movements and financial analytics. However,...

评测与基准推理强化学习与后训练OpenReview 项目页

常见合作者