一作NeurIPS 2026Poster
STARE: Surprisal-Guided Token-Level Advantage Reweighting for Policy Entropy Stability
HAIPENG LUO · Qingfeng Sun · Song-Li Wu · Can Xu · Wenfeng Deng · Han Hu · Yansong Tang
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。
实时查找电子邮箱，费用不超过20积分；未找到邮箱不扣费。
HAIPENG LUO · Qingfeng Sun · Song-Li Wu · Can Xu · Wenfeng Deng · Han Hu · Yansong Tang
Mingfu Yan · Jiancheng Huang · HAIPENG LUO · Yi Huang · Yuqi Peng · Qiang Zhou · Shifeng Chen