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

Bing Yin

AAAI 2026×4ACL 2026CVPR 2026ICML 2026KDD 2026多模态强化学习与后训练可解释性效率与系统对齐与偏好
新星分贡献者
74
一作贡献0
核心/参与44
方向广度19
合作网络12
0 一作 · 8 篇 · AAAI 2026 / ACL 2026 / CVPR 2026 / ICML 2026 / KDD 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

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

T rans LLM : A Unified Multi-Task Large Language Model for Urban Transportation via Learnable Prompting

Jiaming Leng · Yunying Bi · Chuan Qin · Zhenya Huang · Bing Yin · Haojie Ren · Yanyong Zhang · Chao Wang

摘要

Urban transportation systems require precise modeling of dynamic spatiotemporal patterns across diverse tasks, such as traffic forecasting, electric vehicle (EV) charging demand prediction, and taxi dispatch. Existing approaches suffer from two key limitations: traditional deep learning models ar...

可解释性代码推理OpenReview 项目页

常见合作者