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

Yuliang Zhan

ACL 2026强化学习与后训练推理评测与基准
新星分贡献者
32
一作贡献0
核心/参与12
方向广度6
合作网络3
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 #2/8ACL 2026Poster· Natural Language Processing

Rethinking Sample Polarity in Reinforcement Learning with Verifiable Rewards

Xinyu Tang · Yuliang Zhan · Zhixun Li · Wayne Xin Zhao · Zhenduo Zhang · zujie wen · Zhiqiang Zhang · JUN ZHOU

摘要

Large reasoning models (LRMs) are typically trained using reinforcement learning with verifiable reward (RLVR) to enhance their reasoning abilities. In this paradigm, policies are updated using both positive and negative self-generated rollouts, which correspond to distinct sample polarities . In...

强化学习与后训练推理评测与基准OpenReview 项目页

常见合作者