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

Zhe Peng

ACL 2026强化学习与后训练推理数据与预训练
新星分资深
6
一作贡献0
核心/参与0
方向广度6
合作网络0
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 #10/10ACL 2026Findings· Findings of ACL

L earn A lign: Data Selection for LLM Reinforcement Learning with Improved Gradient Alignment

Shipeng Li · Zhiqin Yang · Shikun Li · Xiaobo Xia · Hengyu Liu · Xinghua Zhang · Gaode Chen · Dong Fang · Ying Tai · Zhe Peng

摘要

Reinforcement learning with verifiable rewards (RLVR) has become a key technique for enhancing LLMs’ reasoning abilities, yet its data inefficiency remains a major bottleneck. To address this critical yet challenging issue, we present a novel gradient-alignment-based method, named LearnAlign, whi...

强化学习与后训练推理数据与预训练OpenReview 项目页

常见合作者