SWE-Proof: Can Language Models Resolve Real-World Issues with Machine-Checked Proofs?
本文提出Benchproofer，将实际代码任务转化为形式验证问题，以提高LLM生成代码的正确性。
0 citationsRead paper
Selected work
Representative Papers
Don't Mask the Environment: Observation Supervision Changes How Agents Explore Under RL
本文提出ActObs方法，通过同时监督动作和观察令牌来改进强化学习初始化，从而提高代理在不同任务上的性能和探索能力。
0 citationsRead paper
Higher-order pruning of experts in mixture-of-experts language models
为解决MoE语言模型参数量大问题，提出HOPE方法，通过考虑专家间合作来优化剪枝决策，优于现有方法。
0 citationsRead paper
DenseFace: Bias Mitigation in Face Recognition via Density-Aware Probabilistic Matching
本文提出DenseFace方法，通过密度感知的概率匹配减少预训练面部识别模型中的种族偏见，同时保持识别精度。
0 citationsRead paper
MInTRL: Off-policy Intervention can boost On-policy RL
本文提出MInTRL方法，通过稀疏局部干预增强探索范围，同时保持学习轨迹的在策略性，以解决强化学习中探索与学习能力之间的平衡问题。
0 citationsRead paper
Recent publications
Latest Papers
SWE-Proof: Can Language Models Resolve Real-World Issues with Machine-Checked Proofs?
本文提出Benchproofer，将实际代码任务转化为形式验证问题，以提高LLM生成代码的正确性。
0 citationsRead paper
Don't Mask the Environment: Observation Supervision Changes How Agents Explore Under RL
本文提出ActObs方法，通过同时监督动作和观察令牌来改进强化学习初始化，从而提高代理在不同任务上的性能和探索能力。
0 citationsRead paper
Higher-order pruning of experts in mixture-of-experts language models
为解决MoE语言模型参数量大问题，提出HOPE方法，通过考虑专家间合作来优化剪枝决策，优于现有方法。
0 citationsRead paper
DenseFace: Bias Mitigation in Face Recognition via Density-Aware Probabilistic Matching
本文提出DenseFace方法，通过密度感知的概率匹配减少预训练面部识别模型中的种族偏见，同时保持识别精度。
0 citationsRead paper
MInTRL: Off-policy Intervention can boost On-policy RL
本文提出MInTRL方法，通过稀疏局部干预增强探索范围，同时保持学习轨迹的在策略性，以解决强化学习中探索与学习能力之间的平衡问题。
0 citationsRead paper