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

Zhi Li

ACL 2026CVPR 2026ICLR 2026IROS 2026强化学习与后训练多模态推理对齐与偏好
新星分新星
73
一作贡献30
核心/参与22
方向广度17
合作网络3
1 一作 · 4 篇 · ACL 2026 / CVPR 2026 / ICLR 2026 / IROS 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

4
一作ACL 2026Findings· Findings of ACL

Entropy-Aware Reshaping of Reinforcement Signals for Multi-Answer Reasoning

Zhi Li · Huidan Xu · Zhen Hu · Yali Du · Ying Liu

摘要

Reinforcement learning with verifiable rewards (RLVR) is a standard post-training paradigm for large language models (LLMs), typically relying on group-wise reward and advantage normalization for stability. In set-valued multi-answer tasks, where multiple outputs may be simultaneously correct, th...

强化学习与后训练推理对齐与偏好OpenReview 项目页
作者位次 #2/6IROS 2026Poster· Controlling Marine Vehicles

Formation-Scalable Multi-USV Path Following in Rough Sea States Via Reinforcement Learning with Collective Graph

Zhiqiang Lu · Zhi Li · Di Wu · Shaohui Li · Shiwei Wu · Yu LIU

强化学习与后训练Marine RoboticsAI-Based MethodsOpenReview

常见合作者