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

Melanie Kambadur

ACL 2026代码可解释性强化学习与后训练
新星分贡献者
27
一作贡献0
核心/参与5
方向广度6
合作网络6
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 #5/8ACL 2026Findings· Findings of ACL

Parallel- SFT : Improving Zero-Shot Cross-Programming-Language Transfer for Code RL

Zhaofeng Wu · Shiqi Wang · Boya Peng · Anuj Kumar Goyal · Melanie Kambadur · Sebastian Ruder · Yoon Kim · Chloe Bi

摘要

Modern language models demonstrate impressive coding capabilities in common programming languages (PLs), such as C++ and Python, but their performance in lower-resource PLs is often limited by training data availability. In principle, however, most programming skills are universal across PLs, so...

代码可解释性强化学习与后训练OpenReview 项目页

常见合作者