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

Jiabao Zhang

ACL 2026强化学习与后训练推理多模态
新星分贡献者
27
一作贡献0
核心/参与5
方向广度6
合作网络6
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 #3/7ACL 2026Findings· Findings of ACL

V iew- R 1: Asymmetric Policy Optimization for Difficulty-Aware Multimodal Reinforcement Learning

Minjie Hong · Zirun Guo · Jiabao Zhang · zehan wang · Ziang Zhang · Tao Jin · Zhou Zhao

摘要

Multimodal Large Language Models (MLLMs) are powerful at integrating diverse data but often struggle with complex reasoning. Reinforcement learning (RL) can enhance reasoning, yet it may cause performance degradation on general tasks and overthinking in MLLMs. We propose Asymmetric Policy Optimiz...

强化学习与后训练推理多模态OpenReview 项目页

常见合作者