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

Praneeth Vepakomma

ICLR 2026×3安全效率与系统社会与人本强化学习与后训练理论与学习动力学
新星分资深
17
一作贡献0
核心/参与5
方向广度10
合作网络3
0 一作 · 3 篇 · ICLR 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
作者位次 #3/4ICLR 2026Poster· Social Aspects / Privacy-preserving Statistics and Machine Learning

DP-Fusion: Token-Level Differentially Private Inference for Large Language Models

Rushil Thareja · Preslav Nakov · Praneeth Vepakomma · Nils Lukas

安全效率与系统社会与人本OpenReview
作者位次 #4/4ICLR 2026Poster· Social Aspects / Everything Else

Safety Subspaces are Not Linearly Distinct: A Fine-Tuning Case Study

Kaustubh Ponkshe · Shaan Shah · Raghav Singhal · Praneeth Vepakomma

安全强化学习与后训练社会与人本OpenReview
作者位次 #4/4ICLR 2026Poster· General Machine Learning / Transfer, Multitask and Meta-learning

ABBA-Adapters: Efficient and Expressive Fine-Tuning of Foundation Models

Raghav Singhal · Kaustubh Ponkshe · Rohit Vartak · Praneeth Vepakomma

强化学习与后训练效率与系统理论与学习动力学OpenReview

常见合作者