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

Long Zhang

ACL 2026强化学习与后训练效率与系统理论与学习动力学
新星分贡献者
22
一作贡献0
核心/参与5
方向广度6
合作网络3
0 一作 · 1 篇 · 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

1
作者位次 #3/6ACL 2026Findings· Findings of ACL

STEP : Success-Rate-Aware Trajectory-Efficient Policy Optimization

Yuhan Chen · Yuxuan Liu · Long Zhang · Pengzhi Gao · Jian Luan · WEI LIU

摘要

Multi-turn interaction remains challenging for online reinforcement learning. Current GRPO-based methods—either at the trajectory level or the step level—still suffer from fundamental challenges in multi-turn settings: they allocate sampling uniformly across tasks regardless of difficulty, propag...

强化学习与后训练效率与系统理论与学习动力学OpenReview 项目页

常见合作者