Ke Li

ICML 2026×5强化学习与后训练可解释性评测与基准检索与知识对齐与偏好

新星分资深

一作贡献0

核心/参与7

方向广度10

合作网络12

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。

实时查找电子邮箱，费用不超过20积分；未找到邮箱不扣费。

作者位次 #4/4ICML 2026Poster· General Machine Learning / Transfer, Multitask and Meta-learning

作者位次 #3/3ICML 2026Spotlight· Social Aspects / Accountability, Transparency, and Interpretability

可解释性评测与基准检索与知识OpenReview

作者位次 #3/3ICML 2026Poster· Reinforcement Learning / Deep RL

强化学习与后训练对齐与偏好社会与人本OpenReview

作者位次 #10/13ICML 2026Poster· Optimization / Stochastic

作者位次 #3/3ICML 2026Poster· Applications / Chemistry, Physics, and Earth Sciences

智能体与工具强化学习与后训练OpenReview