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

Furui Liu

ACL 2026强化学习与后训练推理效率与系统
新星分资深
6
一作贡献0
核心/参与0
方向广度6
合作网络0
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 #6/6ACL 2026Poster· Natural Language Processing

AIPO : Adaptive Information Guided Token-Level Reinforcement Learning for Large Language Model Reasoning

Bin Chen · Hongfei Ye · Huiyang Wang · Wenxi Liu · Yu Zhang · Furui Liu

摘要

Reinforcement Learning with Verifiable Rewards (RLVR) improves the reasoning capability of Large Language Models (LLMs). Current RLVR trains LLMs on all generated tokens, rather than exploring which tokens actually contribute to reasoning. We propose AIPO(Adaptive–Information Policy Optimization)...

强化学习与后训练推理效率与系统OpenReview 项目页

常见合作者