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

Qingzhuo Wang

ICML 2026×2ACL 2026可解释性强化学习与后训练检索与知识评测与基准多模态
新星分新星
68
一作贡献30
核心/参与17
方向广度13
合作网络3
1 一作 · 3 篇 · ICML 2026 / 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

3
一作ICML 2026Poster· Deep Learning / Large Language Models

A Unified Approach to Interpreting Knowledge Distillation for Large Language Models via Interactions

Qingzhuo Wang · Ruiyang Qin · Zhenxin Qin · Wen Shen · Zhihua Wei

可解释性强化学习与后训练检索与知识OpenReview
作者位次 #3/6ACL 2026Poster· Natural Language Processing

Mitigating Action-Relation Hallucinations in LVLM s via Relation-aware Visual Enhancement

Zhenxin Qin · Qiang Li · Qingzhuo Wang · Ruiyang Qin · Zhihua Wei · Wen Shen

摘要

Large Vision-Language Models (LVLMs) have achieved remarkable performance on diverse vision-language tasks. However, LVLMs still suffer from hallucinations, generating text that contradicts the visual input. Existing research has primarily focused on mitigating object hallucinations, but often ov...

多模态安全可解释性OpenReview 项目页

常见合作者