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

Dongping Zhang

ACL 2026ECCV 2026效率与系统可解释性强化学习与后训练
新星分贡献者
40
一作贡献0
核心/参与10
方向广度9
合作网络9
0 一作 · 2 篇 · ACL 2026 / ECCV 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

2
作者位次 #8/10ACL 2026Poster· Natural Language Processing

M o A : Heterogeneous Mixture of Adapters for Parameter-Efficient Fine-Tuning of Large Language Models

Jie Cao · Tianwei Lin · Bo Yuan · Rolan Yan · Hongyang He · Wenqiao Zhang · Juncheng Li · Dongping Zhang · Siliang Tang · Yueting Zhuang

摘要

Recent studies integrate Low-Rank Adaptation (LoRA) and Mixture-of-Experts (MoE) to further enhance the performance of parameter-efficient fine-tuning (PEFT) methods in Large Language Model (LLM) applications. Existing methods employ homogeneous MoE-LoRA architectures composed of LoRA experts wit...

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