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

Jingtan Wang

ACL 2026NeurIPS 2026对齐与偏好社会与人本强化学习与后训练效率与系统数据与预训练
新星分资深
24
一作贡献0
核心/参与12
方向广度13
合作网络3
0 一作 · 2 篇 · ACL 2026 / NeurIPS 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
作者位次 #3/3NeurIPS 2026Poster

Prompts to Proxies: Emulating Human Preferences via a Compact LLM Ensemble

Bingchen Wang · Zi-Yu Khoo · Jingtan Wang

对齐与偏好社会与人本OpenReview
作者位次 #2/3ACL 2026Findings· Findings of ACL

EUL o I nf: Efficient Hessian-Free Entropy Based Uncertainty-Aware Data Influence Approximation

Runxin Cai · Jingtan Wang · Bryan Kian Hsiang Low

摘要

In Large Language Model post-training, high-quality data effectively enhances model performance with fine-tuning, highlighting the need to identify high-quality and beneficial fine-tuning data. However, one of the most popular data valuation paradigms, influence function and its variants, are com...

强化学习与后训练效率与系统数据与预训练OpenReview 项目页

常见合作者