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

Ling Shi

AAAI 2026ACL 2026智能体与工具推理强化学习与后训练多模态
新星分贡献者
35
一作贡献0
核心/参与10
方向广度11
合作网络3
0 一作 · 2 篇 · AAAI 2026 / 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

2
作者位次 #3/4ACL 2026Poster· Natural Language Processing

R 2 IF : Aligning Reasoning with Decisions via Composite Rewards for Interpretable LLM Function Calling

Aijia Cheng · Kailong Wang · Ling Shi · Yongxin Zhao

摘要

Function calling empowers large language models (LLMs) to interface with external tools, yet existing RL-based approaches suffer from misalignment between reasoning processes and tool-call decisions. We propose R2IF, a reasoning-aware RL framework for interpretable function calling, adopting a co...

推理强化学习与后训练智能体与工具OpenReview 项目页

常见合作者