Menu

Pesquisa

Publicações da nossa equipe.

Publicações de membros da equipe, escritas nas suas universidades e laboratórios antes da Datarena ou paralelamente a ela.

  1. EMNLP 2026, conferência principal

    One Instruction Is a Benchmark: End-to-End Instruction-Following Evaluation with FlexBench

    Yuchen Ge, Yizhao Sun, Wei He, Jinpeng Ou et al. (13 autores)

    Transforma uma única instrução em um conjunto de testes multiturno próprio; os rankings de modelos e os modos de falha mudam de uma instrução para outra.

  2. Findings of EMNLP 2026

    Learning When to Think in Latent Visual Space: Reasoning Mode Adaptive Reinforcement Learning

    Paul Jian, Jinpeng Ou, Leo Wei, Qingpei Guo, Jianing Li

    Aprendizado por reforço que ensina modelos multimodais quando raciocinar no espaço visual latente e quando raciocinar em texto.

  3. EMNLP 2026, conferência principal

    To Answer or Not to Answer? Reliability-Oriented Reinforcement Learning for Visual Language Models

    Paul Jian, Julian Wu, Leo Wei, Dylan Chen, Garvin Guo, Qingpei Guo, Jianing Li

    Uma recompensa baseada em rubrica que ensina modelos de visão e linguagem a se absterem diante de perguntas que não conseguem responder, medida em um novo benchmark, o Reliable-V-Bench.

  4. Findings of EMNLP 2026

    CAMFT: Conflict-Aware Mergeable Fine-Tuning for Large Language Models

    Jingang Zhou, Haiyang Guo, Yuan Ma, Han Zhu, Xu-Yao Zhang

    Fine-tuning que torna os modelos de tarefa mais fáceis de mesclar: cada tarefa atualiza um conjunto esparso de parâmetros com pouco conflito entre tarefas, e os modelos multitarefa mesclados superam os construídos com fine-tuning padrão.

  5. ICML 2026

    From Absolute to Relative: Rethinking Reward Shaping in Group-Based Reinforcement Learning

    Wenzhe Niu, Wei He, Zongxia Xie, Jinpeng Ou, Huichuan Fan, Yuchen Ge et al. (13 autores)

    Rankings relativos no lugar de pontuações absolutas como recompensa no aprendizado por reforço baseado em grupos.

  6. ICASSP 2026

    Think-Augmented Function Calling: Improving LLM Parameter Accuracy Through Embedded Reasoning

    Lei Wei, Xiao Peng, Jinpeng Ou, Bin Wang

    Um parâmetro de raciocínio em cada assinatura de função faz o modelo pensar antes de preencher um argumento, sem nenhuma alteração no modelo e com total compatibilidade de API.

  7. ICML 2025

    Asymmetric Decision-Making in Online Knowledge Distillation: Unifying Consensus and Divergence

    Zhaowei Chen, Borui Zhao, Yuchen Ge, Yuhao Chen, Renjie Song, Jiajun Liang

    Destilação online em que os alunos seguem aquilo em que os professores concordam, e os professores mantêm o que os diferencia.

  8. EMNLP 2024, conferência principal

    Large Language Models Know What is Key Visual Entity: An LLM-assisted Multimodal Retrieval for VQA

    Pu Jian (Paul Jian), Donglei Yu, Jiajun Zhang

    Um modelo de linguagem identifica as entidades visuais de que uma pergunta precisa, para que a recuperação ignore o resto da imagem.