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

Chenhao Huang

ACL 2026强化学习与后训练推理对齐与偏好
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 #13/19ACL 2026Poster· Natural Language Processing

VRPO : Rethinking Value Modeling for Robust RL under Noisy Supervision in LLM Post-Training

Dingwei Zhu · Shihan Dou · Zhiheng Xi · Senjie Jin · Guoqiang Zhang · Jiazheng Zhang · Junjie Ye · Mingxu Chai · Enyu Zhou · Ming Zhang · Yuhui Wang · Caishuang Huang · Chenhao Huang · Yunke Zhang · Yuran Wang · Tao Gui · Qi Zhang · Xipeng Qiu · Xuanjing Huang

摘要

Reinforcement Learning (RL) in real-world environments often suffers from ambiguous or incomplete reward supervision, which undermines policy stability and generalization. Such noise may cause models to ignore key information or even collapse in advantage estimation. We find that a strong value m...

强化学习与后训练推理对齐与偏好OpenReview 项目页

常见合作者