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

Fuzheng Zhang

ICLR 2026×2ACL 2026强化学习与后训练推理效率与系统智能体与工具可解释性
新星分贡献者
52
一作贡献0
核心/参与15
方向广度13
合作网络12
0 一作 · 3 篇 · ICLR 2026 / 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

3
作者位次 #6/8ACL 2026Poster· Natural Language Processing

CE - GPPO : Coordinating Entropy via Gradient-Preserving Clipping Policy Optimization in Reinforcement Learning

Zhenpeng Su · Leiyu Pan · Minxuan Lv · Yuntao Li · Wenping Hu · Fuzheng Zhang · Kun Gai · Guorui Zhou

摘要

Reinforcement learning (RL) has become a powerful paradigm for optimizing large language models (LLMs) to handle complex reasoning tasks. A core challenge in this process lies in managing policy entropy, which reflects the balance between exploration and exploitation during training. Existing met...

强化学习与后训练推理可解释性OpenReview 项目页

常见合作者