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

He Zhu

ACL 2026ICLR 2026KDD 2026效率与系统强化学习与后训练推理数据与预训练检索与知识
新星分新星
76
一作贡献30
核心/参与21
方向广度16
合作网络12
1 一作 · 3 篇 · ACL 2026 / ICLR 2026 / KDD 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 #2/9ACL 2026Poster· Natural Language Processing

I nstruct D iff: Domain-Adaptive Data Selection via Contrastive Entropy for Efficient LLM Fine-Tuning

Junyou Su · He Zhu · Xiao Luo · Liyu Zhang · Hong-Yu Zhou · Yun Chen · Peng Li · Yang Liu · Guanhua Chen

摘要

Supervised fine-tuning (SFT) is fundamental to adapting large language models, yet training on complete datasets incurs prohibitive costs with diminishing returns. Existing data selection methods suffer from severe domain specificity: techniques optimized for general instruction-following fail on...

推理效率与系统数据与预训练OpenReview 项目页

常见合作者