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

Runxin Cai

ACL 2026强化学习与后训练效率与系统数据与预训练
新星分新星
53
一作贡献30
核心/参与0
方向广度6
合作网络6
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 2026Findings· Findings of ACL

EUL o I nf: Efficient Hessian-Free Entropy Based Uncertainty-Aware Data Influence Approximation

Runxin Cai · Jingtan Wang · Bryan Kian Hsiang Low

摘要

In Large Language Model post-training, high-quality data effectively enhances model performance with fine-tuning, highlighting the need to identify high-quality and beneficial fine-tuning data. However, one of the most popular data valuation paradigms, influence function and its variants, are com...

强化学习与后训练效率与系统数据与预训练OpenReview 项目页

常见合作者