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

Taiji Suzuki

ICML 2026×5理论与学习动力学效率与系统强化学习与后训练对齐与偏好推理
新星分资深
21
一作贡献0
核心/参与10
方向广度10
合作网络3
0 一作 · 5 篇 · ICML 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

5
作者位次 #2/2ICML 2026Poster· Theory / Learning Theory

In-Context Learning Is Provably Bayesian Inference: A Generalization Theory for Meta-Learning

Tomoya Wakayama · Taiji Suzuki

理论与学习动力学效率与系统OpenReview
作者位次 #2/2ICML 2026Poster· Theory / Deep Learning

Inference-time Alignment with Rewards in Besov Spaces: Provable Advantages of Feature Learning and Multi-Step Policy Updates

Naoki Nishikawa · Taiji Suzuki

理论与学习动力学对齐与偏好效率与系统OpenReview

常见合作者