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

Leyi Pan

ACL 2026强化学习与后训练推理效率与系统
新星分新星
51
一作贡献30
核心/参与0
方向广度6
合作网络3
1 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
一作ACL 2026Poster· Natural Language Processing

d- T ree RPO : Towards More Reliable Policy Optimization for Diffusion Language Models

Leyi Pan · Shuchang Tao · Yunpeng Zhai · Zheyu Fu · Liancheng Fang · Minghua He · Lingzhe Zhang · Zhaoyang Liu · Bolin Ding · Aiwei Liu · Lijie Wen

摘要

Reinforcement learning (RL) is pivotal for enhancing the reasoning capabilities of diffusion large language models (dLLMs). However, existing dLLM policy optimization methods suffer from two critical reliability bottlenecks: (1) reward sparsity, arising from coarse or unverifiable signals that im...

强化学习与后训练推理效率与系统OpenReview 项目页

常见合作者