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

Zhenglin Cheng

ACL 2026ICLR 2026安全强化学习与后训练推理评测与基准
新星分新星
63
一作贡献30
核心/参与5
方向广度11
合作网络9
1 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 #3/4ACL 2026Poster· Natural Language Processing

G ^2 RPO -A: Guided Group Relative Policy Optimization with Adaptive Guidance

Yongxin Guo · Wenbo Deng · Zhenglin Cheng · Xiaoying Tang

摘要

Reinforcement Learning with Verifiable Rewards (RLVR) has markedly enhanced the reasoning abilities of large language models (LLMs). Its success, however, largely depends on strong base models with rich world knowledge, yielding only modest improvements for small-size language models (SLMs). To a...

强化学习与后训练推理评测与基准OpenReview 项目页

常见合作者