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

Hyunsoo Lee

ACL 2026NeurIPS 2026推理可解释性代码强化学习与后训练
新星分贡献者
46
一作贡献0
核心/参与17
方向广度11
合作网络6
0 一作 · 2 篇 · ACL 2026 / NeurIPS 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 #2/4ACL 2026Poster· Natural Language Processing

Efficiently Learning To Reason or Not to Reason: Root-token Policy Optimization for Adaptive Thinking

Taehyeon Kim · Hyunsoo Lee · Youngsoo Jang · Moontae Lee

摘要

Large reasoning models (LRMs) achieve strong performance by externalizing explicit reasoning traces before producing the answer, yet suffer from overthinking challenge that allocates uniformly heavy computation to queries of varying difficulty. While proprietary models mitigate this via opaque ro...

推理可解释性强化学习与后训练OpenReview 项目页

常见合作者