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

Zhenrong Zhang

ACL 2026ICLR 2026推理强化学习与后训练可解释性
新星分贡献者
51
一作贡献0
核心/参与24
方向广度9
合作网络6
0 一作 · 2 篇 · ACL 2026 / ICLR 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 #2/6ACL 2026Findings· Findings of ACL

Step Potential Advantage Estimation: Harnessing Intermediate Confidence and Correctness for Efficient Mathematical Reasoning

Fei Wu · Zhenrong Zhang · Qikai Chang · Jianshu Zhang · Quan Liu · Jun Du

摘要

Reinforcement Learning with Verifiable Rewards (RLVR) elicits long chain-of-thought reasoning in large language models (LLMs), but outcome-based rewards lead to coarse-grained advantage estimation. While existing approaches improve RLVR via token-level entropy or sequence-level length control, th...

强化学习与后训练推理可解释性OpenReview 项目页

常见合作者