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

Bin Xia

CVPR 2026×4ACL 2026ICLR 2026多模态对齐与偏好数据与预训练强化学习与后训练推理
新星分新星
81
一作贡献35
核心/参与27
方向广度16
合作网络12
1 一作 · 6 篇 · CVPR 2026 / ACL 2026 / ICLR 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

6
作者位次 #4/8ACL 2026Poster· Natural Language Processing

TRAC : Teacher-Guided Token Reward with Adaptive Calibration for Robust Policy Optimization

Sitong Wu · Haoru Tan · Xichen Zhang · Bin Xia · Wenhu Zhang · XIAOJUAN QI · Bei Yu · Jiaya Jia

摘要

Reinforcement Learning (RL) with sparse outcome rewards suffers from inefficient credit assignment in complex LLM reasoning tasks. While utilizing stronger LLMs as teachers to derive dense token-level supervision offers a cost-effective alternative to proprietary reward models, it relies on the f...

强化学习与后训练推理对齐与偏好OpenReview 项目页

常见合作者