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

Wenhao Lu

ACL 2026对齐与偏好效率与系统强化学习与后训练
新星分贡献者
27
一作贡献0
核心/参与5
方向广度6
合作网络6
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 #4/7ACL 2026Findings· Findings of ACL

Curriculum- RLAIF : Curriculum Alignment with Reinforcement Learning from AI Feedback

Jiaye Lin · Mengdi Li · Xufeng Zhao · Wenhao Lu · Peilin Zhao · Stefan Wermter · Di Wang

摘要

Reward models trained through Reinforcement Learning from AI Feedback (RLAIF) methods frequently suffer from limited generalizability, which hinders the alignment performance of policy models. This challenge stems from various issues, including distribution shift, preference label noise, and mism...

对齐与偏好效率与系统强化学习与后训练OpenReview 项目页

常见合作者