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

Jia-Nan Li

ACL 2026ICLR 2026代码对齐与偏好推理可解释性
新星分新星
79
一作贡献70
核心/参与0
方向广度11
合作网络6
2 一作 · 2 篇 · 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

2
一作ICLR 2026Poster· Deep Learning / Generative Models and Autoencoders

ReFusion: A Diffusion Large Language Model with Parallel Autoregressive Decoding

Jia-Nan Li · Jian Guan · Wei Wu · Chongxuan Li

一作ACL 2026Poster· Natural Language Processing

From 1,000,000 Users to Every User: Scaling Up Personalized Preference for User-level Alignment

Jia-Nan Li · Jian Guan · Songhao Wu · Wei Wu · Rui Yan

摘要

Large language models (LLMs) have traditionally been aligned through one-size-fits-all approaches that assume uniform human preferences, fundamentally overlooking the diversity in user values and needs. This paper introduces a comprehensive framework for scalable personalized alignment of LLMs. W...

对齐与偏好推理可解释性OpenReview 项目页

常见合作者