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

Zhanming Shen

ICML 2026×3ACL 2026KDD 2026强化学习与后训练对齐与偏好效率与系统数据与预训练安全
新星分新星
80
一作贡献30
核心/参与31
方向广度16
合作网络12
1 一作 · 5 篇 · ICML 2026 / ACL 2026 / KDD 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

5
作者位次 #6/9ACL 2026Findings· Findings of ACL

Fine-Grained Data Ordering Improves Fine-Tuning for Large Language Models

Xiaomeng Hu · Yixuan Tang · Haoze Li · Hao Chen · Qi Zhang · Zhanming Shen · Yiming Zhang · Haobo Wang · Junbo Zhao

摘要

With the rapid progress of large language models (LLMs), aligning a general-purpose model with downstream tasks through fine-tuning has become a central research focus. Selecting only high-quality examples for training has been shown to be one of the most effective ways to improve fine-tuning per...

对齐与偏好强化学习与后训练数据与预训练OpenReview 项目页

常见合作者