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

XIAOJUAN QI

CVPR 2026×9ICLR 2026×5AAAI 2026ACL 2026SIGGRAPH 2026多模态强化学习与后训练效率与系统数据与预训练推理
新星分资深
43
一作贡献0
核心/参与37
方向广度19
合作网络12
0 一作 · 17 篇 · CVPR 2026 / ICLR 2026 / AAAI 2026 / ACL 2026 / SIGGRAPH 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

17
作者位次 #6/8ACL 2026Poster· Natural Language Processing

TRAC : Teacher-Guided Token Reward with Adaptive Calibration for Robust Policy Optimization

Sitong Wu · Haoru Tan · Xichen Zhang · Bin Xia · Wenhu Zhang · XIAOJUAN QI · Bei Yu · Jiaya Jia

摘要

Reinforcement Learning (RL) with sparse outcome rewards suffers from inefficient credit assignment in complex LLM reasoning tasks. While utilizing stronger LLMs as teachers to derive dense token-level supervision offers a cost-effective alternative to proprietary reward models, it relies on the f...

强化学习与后训练推理对齐与偏好OpenReview 项目页

常见合作者