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

Chengxi Zang

ACL 2026ICML 2026多模态可解释性社会与人本对齐与偏好
新星分贡献者
45
一作贡献0
核心/参与10
方向广度11
合作网络12
0 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
作者位次 #3/5ACL 2026Poster· Natural Language Processing

Mitigating Structural Knowledge Collapse in Domain-Specific LLM s via Morpheme-Aware KV -Aggregation

Yuxuan Si · Zheqi Lv · Chengxi Zang · Zhengyu Chen · Fei Wu

摘要

Standard tokenizers over-fragment domain terms, disrupting morpheme semantics. We characterize this representational misalignment as Structural Knowledge Collapse (SKC), where attention mechanisms fail to reconstruct coherent concepts from fragmented inputs. While existing input-centric solutions...

可解释性社会与人本对齐与偏好OpenReview 项目页

常见合作者