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

Wenji Mao

ICLR 2026×3ACL 2026CVPR 2026强化学习与后训练多模态智能体与工具对齐与偏好多语言与语言学
新星分资深
25
一作贡献0
核心/参与5
方向广度16
合作网络9
0 一作 · 5 篇 · ICLR 2026 / ACL 2026 / CVPR 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

5
作者位次 #9/9ACL 2026Poster· Natural Language Processing

Breaking the Impasse: Dual-Scale Evolutionary Policy Training for Social Language Agents

Minzheng Wang · Run Luo · Yanbo Wang · Zichen Liu · Yuqiao Tan · Tao Tan · Nan Xu · Lu Wang · Wenji Mao

摘要

While Reinforcement Learning with Verifiable Rewards (RLVR) has proven effective for closed-ended tasks, extending it to open-ended social language games via self-play reveals a critical issue: evolution impasse. Due to the vast strategy space, language agents frequently converge to homogenized b...

强化学习与后训练智能体与工具可解释性OpenReview 项目页

常见合作者