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

Youngsik Yoon

ICLR 2026×2ACL 2026推理强化学习与后训练检索与知识效率与系统评测与基准
新星分新星
68
一作贡献30
核心/参与17
方向广度13
合作网络3
1 一作 · 3 篇 · ICLR 2026 / 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

3
一作ACL 2026Poster· Natural Language Processing

P a T : Planning-after-Trial for Efficient Test-Time Code Generation

Youngsik Yoon · Sungjae Lee · Seockbean Song · Siwei Wang · Wei Chen · Jungseul Ok

摘要

Beyond training-time optimization, scaling test-time computation has emerged as a key paradigm to extend the reasoning capabilities of Large Language Models (LLMs). However, most existing methods adopt a rigid Planning-before-Trial (PbT) policy, which inefficiently allocates test-time compute by...

推理效率与系统评测与基准OpenReview 项目页

常见合作者