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

Cong Fang

ICML 2026×5效率与系统检索与知识可解释性强化学习与后训练
新星分资深
23
一作贡献0
核心/参与10
方向广度8
合作网络9
0 一作 · 5 篇 · 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

5
作者位次 #4/4ICML 2026Poster

What Makes a Strong Model? A Unified Spectral Analysis of Knowledge Transfer over High-dimensional Linear Regression

Wendao Wu · Fangqing Zhang · Haihan Zhang · Cong Fang

检索与知识OpenReview
作者位次 #3/3ICML 2026Poster

PRAC: Principal-Random Subspace for LLM Activation Compression and Memory-Efficient Training

Yanyi Li · Yimu Zhang · Cong Fang

效率与系统检索与知识OpenReview
作者位次 #3/3ICML 2026Poster· Optimization / Non-Convex

Near-Optimal and Efficient First-Order Algorithm for Multi-Task Learning with Shared Linear Representation

Shihong Ding · Fangyu Du · Cong Fang

可解释性效率与系统OpenReview
作者位次 #4/5ICML 2026Poster· Reinforcement Learning / Deep RL

SPHERE: Mitigating the Loss of Spectral Plasticity in Mixture-of-Experts for Deep Reinforcement Learning

Lirui Luo · Guoxi Zhang · Hongming Xu · Cong Fang · Qing Li

强化学习与后训练效率与系统OpenReview

常见合作者

WWWendao WuFZFangqing ZhangHZHaihan ZhangYLYanyi LiYZYimu ZhangSDShihong DingFDFangyu DuLLLirui LuoGZGuoxi ZhangHXHongming XuQLQing LiYDYuxi Du