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

Linghan Ai

ACL 2026效率与系统可解释性强化学习与后训练
新星分贡献者
27
一作贡献0
核心/参与5
方向广度6
合作网络6
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 #3/12ACL 2026Findings· Findings of ACL

Half- S : Halving the Scale for Near-Lossless 4-Bit LLM Training

Jinyang Du · Ruihao Gong · Linghan Ai · Zining Wang · Yunke Peng · Yao Wang · Lei YAN · wxuefei · Yaoyuan Wang · Jinyang Guo · Dahua Lin · Xianglong Liu

摘要

Training large language models (LLMs) at 4-bit precision offers substantial efficiency gains but remains challenging due to the limited dynamic range and coarse numerical resolution. Existing 4-bit training pipelines typically rely on max-scaling, which is ill-suited for heavy-tailed LLM tensor d...

效率与系统可解释性强化学习与后训练OpenReview 项目页

常见合作者