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

Ivan Oseledets

ICLR 2026×7ACL 2026CVPR 2026效率与系统评测与基准多模态数据与预训练理论与学习动力学
新星分资深
40
一作贡献0
核心/参与32
方向广度16
合作网络12
0 一作 · 9 篇 · ICLR 2026 / ACL 2026 / CVPR 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

9
作者位次 #3/4ICLR 2026Poster· Theory / Probabilistic Methods

Curse of Slicing: Why Sliced Mutual Information is a Deceptive Measure of Statistical Dependence

Alexander Semenenko · Ivan Butakov · Ivan Oseledets · Alexey Frolov

评测与基准理论与学习动力学OpenReview
作者位次 #2/3ACL 2026Workshop· Natural Language Processing

One Task Vector is not Enough: A Large-Scale Study for In-Context Learning

Pavel Tikhonov · Ivan Oseledets · Elena Tutubalina

摘要

In-context learning (ICL) enables Large Language Models (LLMs) to adapt to new tasks using few examples, with task vectors, defined as specific hidden state activations hypothesized to encode task information. Existing studies are limited by small-scale benchmarks, restricting comprehensive analy...

可解释性评测与基准数据与预训练OpenReview 项目页

常见合作者