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

Tian Lan

NeurIPS 2026×2ACL 2026强化学习与后训练对齐与偏好推理智能体与工具
新星分贡献者
43
一作贡献0
核心/参与17
方向广度11
合作网络3
0 一作 · 3 篇 · NeurIPS 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

3
作者位次 #2/3NeurIPS 2026Poster

INSPO : Unlocking Intrinsic Self-Reflection for LLM Preference Optimization

Yu Li · Tian Lan · Zhengling Qi

对齐与偏好OpenReview
作者位次 #3/4NeurIPS 2026Poster

OPPO: Bayesian Value Recursion for Token-Level Credit Assignment in Policy Optimization

Yu Li · Rui Miao · Tian Lan · Zhengling Qi

强化学习与后训练OpenReview
作者位次 #3/3ACL 2026Findings· Findings of ACL

Reason in Chains, Learn in Trees: Self-Rectification and Grafting for Multi-turn Agent Policy Optimization

Yu Li · Sizhe Tang · Tian Lan

摘要

Reinforcement learning for Large Language Model agents is often hindered by sparse rewards in multi-step reasoning tasks. Existing approaches like Group Relative Policy Optimization treat sampled trajectories as independent chains, assigning uniform credit to all steps in each chain and ignoring...

推理强化学习与后训练智能体与工具OpenReview 项目页

常见合作者