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

Ziqi Wang

ACL 2026NeurIPS 2026强化学习与后训练推理理论与学习动力学
新星分新星
65
一作贡献30
核心/参与12
方向广度9
合作网络6
1 一作 · 2 篇 · ACL 2026 / NeurIPS 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

2
一作ACL 2026Poster· Natural Language Processing

Calibration-Aware Policy Optimization for Reasoning LLM s

Ziqi Wang · Xingzhou Lou · Meiqi Wu · Zhengqi Wen · Junge Zhang

摘要

Group Relative Policy Optimization (GRPO) enhances LLM reasoning but often induces overconfidence, where incorrect responses yield lower perplexity than correct ones, degrading relative calibration as described by the Area Under the Curve (AUC). Existing approaches either yield limited improvemen...

推理强化学习与后训练理论与学习动力学OpenReview 项目页

常见合作者