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

Sikai Bai

ACL 2026ICML 2026多模态强化学习与后训练智能体与工具推理
新星分新星
65
一作贡献30
核心/参与7
方向广度11
合作网络9
1 一作 · 2 篇 · ACL 2026 / ICML 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

2
一作ACL 2026Findings· Findings of ACL

TTVS : Boosting Self-Exploring Reinforcement Learning via Test-time Variational Synthesis

Sikai Bai · Haoxi Li · Jie ZHANG · Yongjiang Liu · Song Guo

摘要

Despite significant advances in Large Reasoning Models (LRMs) driven by reinforcement learning with verifiable rewards (RLVR), this paradigm is fundamentally limited in specialized or novel domains where such supervision is prohibitively expensive or unavailable, posing a key challenge for test-t...

强化学习与后训练推理多模态OpenReview 项目页

常见合作者