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

Yongyuan Li

ACL 2026推理可解释性强化学习与后训练
新星分贡献者
32
一作贡献0
核心/参与12
方向广度6
合作网络3
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 #2/3ACL 2026Poster· Natural Language Processing

Think in Sentences: Explicit Sentence Boundaries Enhance Language Model’s Capabilities

Zhichen Liu · Yongyuan Li · Yang Xu

摘要

Researchers have explored ways to improve large language models (LLMs)’ capabilities via dummy token insertion in contexts. However, existing works focus solely on the dummy tokens themselves, but failed to leverage the inherent sentence-level structure of natural language. This is a critical ove...

推理可解释性强化学习与后训练OpenReview 项目页

常见合作者