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

Zhen Hu

ACL 2026强化学习与后训练推理对齐与偏好
新星分贡献者
18
一作贡献0
核心/参与5
方向广度6
合作网络0
0 一作 · 1 篇 · 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

1
作者位次 #3/5ACL 2026Findings· Findings of ACL

Entropy-Aware Reshaping of Reinforcement Signals for Multi-Answer Reasoning

Zhi Li · Huidan Xu · Zhen Hu · Yali Du · Ying Liu

摘要

Reinforcement learning with verifiable rewards (RLVR) is a standard post-training paradigm for large language models (LLMs), typically relying on group-wise reward and advantage normalization for stability. In set-valued multi-answer tasks, where multiple outputs may be simultaneously correct, th...

强化学习与后训练推理对齐与偏好OpenReview 项目页

常见合作者