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

Xiang Li

ACL 2026代码强化学习与后训练评测与基准
新星分贡献者
22
一作贡献0
核心/参与5
方向广度6
合作网络3
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 #12/16ACL 2026Findings· Findings of ACL

SWE - QA -Pro: A Representative Benchmark and Scalable Training Recipe for Repository-Level Code Understanding

Songcheng Cai · Zhiheng LYU · Yuansheng Ni · Xiangchao Chen · Baichuan Zhou · Shenzhe Zhu · Yi Lu · Haozhe WANG · Chi Ruan · Benjamin Schneider · Weixu Zhang · Xiang Li · Andy Zheng · Yuyu Zhang · Ping Nie · Wenhu Chen

摘要

Agentic repository-level code understanding is essential for automating complex software engineering tasks, yet the field lacks reliable benchmarks. Existing evaluations often overlook the long tail topics and rely on popular repositories where Large Language Models (LLMs) can cheat via memorized...

代码强化学习与后训练评测与基准OpenReview 项目页

常见合作者