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

Jian Guan

ICLR 2026×2AAAI 2026ACL 2026强化学习与后训练推理代码对齐与偏好可解释性
新星分贡献者
71
一作贡献0
核心/参与41
方向广度16
合作网络12
0 一作 · 4 篇 · ICLR 2026 / AAAI 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

4
作者位次 #2/4ICLR 2026Poster· Deep Learning / Generative Models and Autoencoders

ReFusion: A Diffusion Large Language Model with Parallel Autoregressive Decoding

Jia-Nan Li · Jian Guan · Wei Wu · Chongxuan Li

作者位次 #2/5ACL 2026Poster· Natural Language Processing

From 1,000,000 Users to Every User: Scaling Up Personalized Preference for User-level Alignment

Jia-Nan Li · Jian Guan · Songhao Wu · Wei Wu · Rui Yan

摘要

Large language models (LLMs) have traditionally been aligned through one-size-fits-all approaches that assume uniform human preferences, fundamentally overlooking the diversity in user values and needs. This paper introduces a comprehensive framework for scalable personalized alignment of LLMs. W...

对齐与偏好推理可解释性OpenReview 项目页

常见合作者