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

Sarkar Snigdha Sarathi Das

ACL 2026推理对齐与偏好多模态
新星分贡献者
27
一作贡献0
核心/参与5
方向广度6
合作网络6
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 #4/7ACL 2026Findings· Findings of ACL

Efficient PRM Training Data Synthesis via Formal Verification

Ryo Kamoi · Yusen Zhang · Nan Zhang · Sarkar Snigdha Sarathi Das · Ranran Haoran Zhang · Wenpeng Yin · Rui Zhang

摘要

Process Reward Models (PRMs) have emerged as a promising approach for improving LLM reasoning capabilities by providing process supervision over reasoning traces. However, existing approaches for constructing PRM training data remain costly and noisy, as they typically rely on human annotation or...

推理对齐与偏好多模态OpenReview 项目页

常见合作者