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

Futing Wang

ACL 2026ICML 2026检索与知识理论与学习动力学强化学习与后训练推理评测与基准
新星分贡献者
41
一作贡献0
核心/参与10
方向广度13
合作网络6
0 一作 · 2 篇 · ACL 2026 / ICML 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
作者位次 #3/5ICML 2026Poster· Deep Learning / Large Language Models

Revisiting Parameter-Based Knowledge Editing in Large Language Models: Theoretical Limits and Empirical Evidence

Wanying Ren · Xin Song · Futing Wang · Guoxiu He · Aixin Sun

检索与知识理论与学习动力学OpenReview
作者位次 #8/12ACL 2026Poster· Natural Language Processing

Rethinking Expert Trajectory Utilization in LLM Post-training for Mathematical Reasoning

Bowen Ding · Yuhan Chen · Jiayang Lyu · Jiyao Yuan · Qi Zhu · Shuangshuang Tian · Dantong Zhu · Futing Wang · Heyuan Deng · Fei Mi · Lifeng Shang · Tao Lin

摘要

Supervised Fine-Tuning (SFT) and Reinforcement Learning (RL) dominate the post-training landscape for mathematical reasoning, yet differ fundamentally in their reliance on expert trajectories. To understand the optimal way to harness these trajectories for maximizing performance, we propose the P...

强化学习与后训练推理评测与基准OpenReview 项目页

常见合作者