一作ICLR 2026Poster· Reinforcement Learning / Deep RL
Pretrain Value, Not Reward: Decoupled Value Policy Optimization
Chenghua Huang · Lu Wang · Fangkai Yang · Pu Zhao · Qingwei Lin · Dongmei Zhang · Saravan Rajmohan
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。
实时查找电子邮箱，费用不超过20积分；未找到邮箱不扣费。
Chenghua Huang · Lu Wang · Fangkai Yang · Pu Zhao · Qingwei Lin · Dongmei Zhang · Saravan Rajmohan