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

Wuwei Huang

ACL 2026强化学习与后训练推理评测与基准
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 #6/9ACL 2026Findings· Findings of ACL

Revisiting Entropy in Reinforcement Learning for Large Reasoning Models

Renren Jin · Pengzhi Gao · Yuqi Ren · Zhuowen Han · Tongxuan Zhang · Wuwei Huang · WEI LIU · Jian Luan · Deyi Xiong

摘要

Reinforcement learning with verifiable rewards (RLVR) has emerged as a prominent paradigm for enhancing the reasoning capabilities of large language models (LLMs). However, the entropy of LLMs usually collapses during RLVR training, leading to premature convergence to suboptimal local minima and...

强化学习与后训练推理评测与基准OpenReview 项目页

常见合作者