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

Haobo Xu

NeurIPS 2026×2ACL 2026强化学习与后训练多模态效率与系统推理
新星分新星
68
一作贡献30
核心/参与10
方向广度11
合作网络12
1 一作 · 3 篇 · NeurIPS 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ACL 2026Poster· Natural Language Processing

Prune as You Generate: Online Rollout Pruning for Faster and Better RLVR

Haobo Xu · Sirui Chen · Ruizhong Qiu · Yuchen Yan · Chen Luo · Monica Xiao Cheng · Jingrui He · Hanghang Tong

摘要

Reinforcement Learning with Verifiable Rewards (RLVR) has significantly advanced the reasoning capabilities of Large Language Models (LLMs). However, methods such as GRPO and DAPO suffer from substantial computational cost, since they rely on sampling many rollouts for each prompt. Moreover, in R...

强化学习与后训练效率与系统推理OpenReview 项目页

常见合作者