一作NeurIPS 2026Poster
SIRAS: Sibling-Relative Advantage Shaping for Reinforcement Learning from Verifiable Rewards
Zairun Yang · Jun Xu · Lei Liang · Huajun Chen · Qiang Zhang
强化学习与后训练OpenReview
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。
实时查找电子邮箱,费用不超过20积分;未找到邮箱不扣费。
Zairun Yang · Jun Xu · Lei Liang · Huajun Chen · Qiang Zhang
Zairun Yang · Yanbo Yang · Chenyi Zhou · Xinyu Guan · Baohua Dong · Meng Zhang · Keyan Ding · Hangcheng Zhu · Huajun Chen · Qiang Zhang