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

Tuo Zhao

ICML 2026×5ACL 2026强化学习与后训练对齐与偏好效率与系统长上下文与架构理论与学习动力学
新星分资深
34
一作贡献0
核心/参与22
方向广度13
合作网络12
0 一作 · 6 篇 · ICML 2026 / 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

6
作者位次 #4/4ICML 2026Poster· Deep Learning / Large Language Models

Approximation of Log-Partition Function in Policy Mirror Descent Induces Implicit Regularization for LLM Post-Training

Zhenghao Xu · Qin Lu · Changlong Yu · Tuo Zhao

强化学习与后训练OpenReview
作者位次 #6/7ACL 2026Poster· Natural Language Processing

O pen R ubrics: Towards Scalable Synthetic Rubric Generation for Reward Modeling and LLM Alignment

Tianci Liu · Ran Xu · Tony Yu · Ilgee Hong · Carl Yang · Tuo Zhao · Haoyu Wang

摘要

Reward modeling lies at the core of reinforcement learning from human feedback (RLHF), yet most existing reward models rely on scalar or pairwise judgments that fail to capture the multifaceted nature of human preferences. Recent studies have explored rubrics-as-rewards (RaR) that uses structured...

对齐与偏好评测与基准社会与人本OpenReview 项目页

常见合作者