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

Zhang yunfei

NeurIPS 2026×2ACL 2026社会与人本对齐与偏好评测与基准强化学习与后训练推理
新星分贡献者
49
一作贡献0
核心/参与15
方向广度13
合作网络9
0 一作 · 3 篇 · NeurIPS 2026 / 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

3
作者位次 #4/7ACL 2026Findings· Findings of ACL

Unlocking Exploration in RLVR : Uncertainty-aware Advantage Shaping for Deeper Reasoning

Can Xie · Ruotong Pan · Xiangyu Wu · Zhang yunfei · Jiayi Fu · Tingting Gao · Guorui Zhou

摘要

Reinforcement Learning with Verifiable Rewards (RLVR) has shown significant promise for enhancing the reasoning capabilities of large language models (LLMs). However, prevailing algorithms like GRPO broadcast a uniform advantage signal across all tokens in a sequence. This coarse-grained approach...

强化学习与后训练推理可解释性OpenReview 项目页

常见合作者