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

Jiaxuan Lu

AAAI 2026ACL 2026ICLR 2026智能体与工具推理强化学习与后训练评测与基准检索与知识
新星分贡献者
60
一作贡献0
核心/参与22
方向广度16
合作网络12
0 一作 · 3 篇 · AAAI 2026 / 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

3
作者位次 #2/5ICLR 2026Poster· Reinforcement Learning / Multi-agent

From What to Why: A Multi-Agent System for Evidence-based Chemical Reaction Condition Reasoning

Cheng Yang · Jiaxuan Lu · Haiyuan Wan · Junchi Yu · Feiwei Qin

智能体与工具推理强化学习与后训练OpenReview
作者位次 #5/10ACL 2026Findings· Findings of ACL

From Experience to Skill: Multi-Agent Generative Engine Optimization via Reusable Strategy Learning

Beining Wu · Fuyou Mao · Jiong Lin · Cheng Yang · Jiaxuan Lu · Yifu Guo · Siyu Zhang · Yifan Wu · Ying Huang · Fu Li

摘要

Generative engines (GEs) are reshaping information access by replacing ranked links with citation-grounded answers, yet current Generative Engine Optimization (GEO) methods optimize each instance in isolation, unable to accumulate or transfer effective strategies across tasks and engines. We refr...

智能体与工具评测与基准推理OpenReview 项目页

常见合作者