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

Ying Shu

ACL 2026强化学习与后训练对齐与偏好可解释性
新星分贡献者
35
一作贡献0
核心/参与12
方向广度6
合作网络6
0 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
作者位次 #2/8ACL 2026Poster· Natural Language Processing

From Competition to Synergy: Unlocking Reinforcement Learning for Subject-Driven Image Generation

Ziwei Huang · Ying Shu · Fanghao · Quanyu Long · Wenya Wang · Qiushi Guo · Tiezheng Ge · Leilei Gan

摘要

Subject-driven image generation models face a fundamental trade-off between identity preservation (fidelity) and prompt adherence (editability). While online reinforcement learning (RL), specifically GPRO, offers a promising solution, we find that a naive application of GRPO leads to competitive...

强化学习与后训练对齐与偏好可解释性OpenReview 项目页

常见合作者