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

Shaozuo Yu

AAAI 2026ACL 2026CVPR 2026ICLR 2026推理强化学习与后训练多模态检索与知识数据与预训练
新星分贡献者
58
一作贡献0
核心/参与20
方向广度19
合作网络9
0 一作 · 4 篇 · AAAI 2026 / ACL 2026 / CVPR 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

4
作者位次 #5/9ACL 2026Poster· Natural Language Processing

S earch G ym: Bootstrapping Real-World Search Agents via Cost-Effective and High-Fidelity Environment Simulation

Xichen Zhang · Ziyi He · Yinghao Zhu · Sitong Wu · Shaozuo Yu · Meng Chu · Wenhu Zhang · Haoru Tan · Jiaya Jia

摘要

Search agents have emerged as a pivotal paradigm for solving open-ended, knowledge-intensive reasoning tasks. However, training these agents via Reinforcement Learning (RL) faces a critical dilemma: interacting with live commercial Web APIs is prohibitively expensive, while relying on static data...

检索与知识推理强化学习与后训练OpenReview 项目页

常见合作者