作者位次 #2/5ICML 2026Poster· Deep Learning / Large Language Models
Good SFT Optimizes for SFT, Better SFT Prepares for Reinforcement Learning
Dylan Zhang · Yufeng Xu · Haojin Wang · Qingzhi Chen · Hao Peng
强化学习与后训练OpenReview
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。
Dylan Zhang · Yufeng Xu · Haojin Wang · Qingzhi Chen · Hao Peng