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

Chenyi Zhuang

AAAI 2026ACL 2026ICLR 2026强化学习与后训练推理智能体与工具数据与预训练检索与知识
新星分贡献者
54
一作贡献0
核心/参与15
方向广度16
合作网络12
0 一作 · 3 篇 · AAAI 2026 / ACL 2026 / ICLR 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 #10/11ACL 2026Findings· Findings of ACL

B alance SFT : Improving LLM Function Calling with Balanced Training Signals and Data Hardness

Bingguang Hao · Zengzhuang Xu · Maolin WANG · Yuntao Wen · Yicheng Chen · Cunyin Peng · Long Chen · an Jiaotong University) · Jinjie Gu · Chenyi Zhuang · Ji Zhang

摘要

While Supervised Fine-Tuning (SFT) is the prevailing method for equipping Large Language Models (LLMs) with function calling capabilities, its effectiveness is often compromised by two critical challenges: 1) Imbalanced Training Signals , where lengthy Chain-of-Thought (CoT) reasoning tokens domi...

推理强化学习与后训练数据与预训练OpenReview 项目页

常见合作者