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

Wenbin Liu

INFOCOM 2026×2AAAI 2026ACL 2026CVPR 2026多模态推理强化学习与后训练评测与基准效率与系统
新星分贡献者
76
一作贡献0
核心/参与47
方向广度19
合作网络12
0 一作 · 5 篇 · INFOCOM 2026 / AAAI 2026 / ACL 2026 / CVPR 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

5
作者位次 #5/8ACL 2026Poster· Natural Language Processing

Token-Level Policy Optimization: Linking Group-Level Rewards to Token-Level Aggregation via sequence-level likelihood

Xingyu Lin · Yilin Wen · Du Su · En Wang · Wenbin Liu · Zhonghou Lv · Jinchang Hou · Chenfu Bao

摘要

Group Relative Policy Optimization (GRPO) has significantly advanced the reasoning ability of large language models (LLMs), particularly in their mathemat- ical reasoning performance. However, GRPO and related entropy regularization methods still struggle with token-level sparse-rewards, which is...

推理强化学习与后训练评测与基准OpenReview 项目页

常见合作者