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

Xinyan Li

ACL 2026KDD 2026NeurIPS 2026效率与系统推理强化学习与后训练对齐与偏好多模态
新星分贡献者
57
一作贡献0
核心/参与19
方向广度16
合作网络12
0 一作 · 3 篇 · ACL 2026 / KDD 2026 / NeurIPS 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
作者位次 #3/8ACL 2026Poster· Natural Language Processing

A da M ix: Adaptive Mixing for Short and Long Reasoning Adapters

Hao Luo · Xiao Yan · Xinyan Li · Qiming Zeng · Yuhao Lin · Shanshan Feng · Hao Wang · Jiawei Jiang

摘要

Large Reasoning Models (LRMs) have achieved remarkable success on complex tasks by generating detailed Chain-of-Thought (CoT) reasoning. However, they tend to apply a uniform, computation-intensive deep reasoning strategy to all problems, leading to unnecessary overhead on simple tasks. This sign...

推理强化学习与后训练效率与系统OpenReview 项目页

常见合作者