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

Yangen Hu

ACL 2026对齐与偏好理论与学习动力学社会与人本
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 #4/4ACL 2026Poster· Natural Language Processing

Reward Alignment Optimization: A Direct Point-wise Alignment Approach

Zelin Li · Jia Leng · Dawei Song · Yangen Hu

摘要

Direct Alignment Algorithms (DAAs) such as DPO simplify RLHF by optimizing policies directly from preference pairs. However, the Bradley–Terry probability-gap objective can induce likelihood displacement and, under weak KL constraints, may even reduce the probability of preferred responses, while...

对齐与偏好理论与学习动力学社会与人本OpenReview 项目页

常见合作者