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

Chaoyu Li

ACL 2026ICML 2026多模态效率与系统可解释性
新星分新星
79
一作贡献70
核心/参与0
方向广度9
合作网络6
2 一作 · 2 篇 · ACL 2026 / ICML 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

2
一作ACL 2026Poster· Natural Language Processing

R e GATE : Learning Faster and Better with Fewer Tokens in MLLM s

Chaoyu Li · Yogesh Kulkarni · Pooyan Fazli

摘要

The computational cost of training multimodal large language models (MLLMs) grows rapidly with the number of processed tokens. Existing efficiency methods mainly target inference via token reduction or merging, offering limited benefits during training. We introduce ReGATE ( Re ference- G uided A...

效率与系统可解释性多模态OpenReview 项目页

常见合作者