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

Yao Xiao

ACL 2026NeurIPS 2026智能体与工具多模态评测与基准对齐与偏好检索与知识
新星分新星
66
一作贡献30
核心/参与5
方向广度13
合作网络12
1 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
一作ACL 2026Findings· Findings of ACL

Revisiting Self-Play Preference Optimization: On the Role of Prompt Difficulty

Yao Xiao · Jung-jae Kim · Roy Ka-Wei Lee · Lidong Bing

摘要

Self-play preference optimization has emerged as a prominent paradigm for aligning large language models (LLMs). It typically involves a language model to generate on-policy responses for prompts and a reward model (RM) to guide the selection of chosen and rejected responses, which can be further...

对齐与偏好检索与知识OpenReview 项目页

常见合作者