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

Bang An

ACL 2026评测与基准数据与预训练社会与人本
新星分贡献者
22
一作贡献0
核心/参与5
方向广度6
合作网络3
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 #7/10ACL 2026Findings· Findings of ACL

E nsem W 2 S : Enhancing Weak-to-Strong Generalization with Large Language Model Ensembles

Aakriti Agrawal · Mucong Ding · Chenghao Deng · Zora Che · Arjun Rajaram · Anirudh Satheesh · Bang An · C. Bayan Bruss · John Langford · Furong Huang

摘要

With Large Language Models (LLMs) rapidly approaching and potentially surpassing human-level performance, it has become imperative to develop approaches capable of effectively supervising and enhancing these powerful models using smaller, human-level models exposed to only human-level data. We ad...

评测与基准数据与预训练社会与人本OpenReview 项目页

常见合作者