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

Howe Tissue

ACL 2026强化学习与后训练理论与学习动力学
新星分贡献者
29
一作贡献0
核心/参与12
方向广度4
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 #2/5ACL 2026Findings· Findings of ACL

Entropy Scheduling in Reinforcement Learning for Large Language Models

Xingjin Wang · Howe Tissue · Lu Wang · Linjing Li · Daniel Dajun Zeng

摘要

We observe that entropy in reinforcement learning functions analogously to the learning rate in LLMs. Maintaining stable entropy, as demonstrated in DAPO, helps stabilize RL training, while rapid entropy annealing (i.e., so-called entropy collapse) accelerates local performance improvement and en...

强化学习与后训练理论与学习动力学OpenReview 项目页

常见合作者