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

xun wu

ICLR 2026×3ACL 2026多模态代码强化学习与后训练智能体与工具推理
新星分贡献者
61
一作贡献0
核心/参与27
方向广度13
合作网络12
0 一作 · 4 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

4
作者位次 #2/9ACL 2026Poster· Natural Language Processing

Towards Stable and Effective Reinforcement Learning for Mixture-of-Experts

Di Zhang · xun wu · Shaohan Huang · Lingjie Jiang · Yaru Hao · Li Dong · Zewen Chi · Zhifang Sui · Furu Wei

摘要

Reinforcement learning with verifiable rewards (RLVR) has emerged as a powerful paradigm for improving reasoning capabilities. However, training RLVR with Mixture-of-Experts (MoE) policies remains fragile and is often prone to reward collapse.We identify a MoE-specific source of instability, refe...

强化学习与后训练推理效率与系统OpenReview 项目页

常见合作者