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

Ke Wang

ACL 2026ICLR 2026智能体与工具强化学习与后训练对齐与偏好
新星分贡献者
53
一作贡献0
核心/参与24
方向广度9
合作网络9
0 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
作者位次 #2/6ACL 2026Poster· Natural Language Processing

MOA : Multi-Objective Alignment for Role-Playing Agents

Chonghua Liao · Ke Wang · Yuchuan Wu · Ruoran Li · Fei Huang · Yongbin Li

摘要

Role-playing agents (RPAs) require balancing multiple objectives, such as instruction following, persona consistency, and stylistic fidelity, which are not always perfectly aligned across different dimensions. While prior work has primarily relied on supervised fine-tuning or reinforcement learni...

强化学习与后训练智能体与工具对齐与偏好OpenReview 项目页

常见合作者