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

Ziqi Zhao

ACL 2026强化学习与后训练推理可解释性
新星分新星
58
一作贡献30
核心/参与0
方向广度6
合作网络12
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 2026Poster· Natural Language Processing

Reinforced Efficient Reasoning via Semantically Diverse Exploration

Ziqi Zhao · Zhaochun Ren · Jiahong Zou · Liu Yang · Zhiwei XU · Xuri Ge · Zhumin Chen · xinyu ma · Daiting Shi · Shuaiqiang Wang · Dawei Yin · Xin Xin

摘要

Reinforcement learning with verifiable rewards (RLVR) has proven effective in enhancing the reasoning of large language models (LLMs). Monte Carlo Tree Search (MCTS)-based extensions improve upon vanilla RLVR (e.g., GRPO) by providing tree-based reasoning rollouts that enable fine-grained and seg...

强化学习与后训练推理可解释性OpenReview 项目页

常见合作者