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

Leonid Karlinsky

ACL 2026CVPR 2026多模态推理对齐与偏好可解释性强化学习与后训练
新星分贡献者
41
一作贡献0
核心/参与10
方向广度13
合作网络6
0 一作 · 2 篇 · ACL 2026 / CVPR 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 #7/11ACL 2026Findings· Findings of ACL

Activation Reward Models for Few-Shot Model Alignment

Tianning Chai · Chancharik Mitra · Brandon Huang · Gautam Rajendrakumar Gare · Zhiqiu Lin · Assaf Arbelle · Leonid Karlinsky · Rogerio Feris · trevor darrell · Deva Ramanan · Roei Herzig

摘要

Aligning Large Language Models (LLMs) and Large Multimodal Models (LMMs) to human preferences is crucial for improving their real-world behavior. A common approach is to use reward models that enable reinforcement-learning post-training. However, traditional reward modeling requires finetuning on...

对齐与偏好可解释性强化学习与后训练OpenReview 项目页

常见合作者