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

Zonggen Li

ACL 2026强化学习与后训练检索与知识推理
新星分贡献者
34
一作贡献0
核心/参与5
方向广度6
合作网络12
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 #6/13ACL 2026Poster· Natural Language Processing

M emory- R 1: Enhancing Large Language Model Agents to Manage and Utilize Memories via Reinforcement Learning

Sikuan Yan · Xiufeng Yang · Zuchao Huang · Ercong Nie · Zifeng Ding · Zonggen Li · Xiaowen Ma · Jinhe Bi · Kristian Kersting · Jeff Z. Pan · Hinrich Schuetze · Volker Tresp · Yunpu Ma

摘要

Large Language Models (LLMs) have demonstrated impressive capabilities across a wide range of NLP tasks, but they remain fundamentally stateless, constrained by limited context windows that hinder long-horizon reasoning. Recent efforts to address this limitation often augment LLMs with an externa...

强化学习与后训练检索与知识推理OpenReview 项目页

常见合作者