お知らせ

2026年9月28日 Microsoft Research Asia（シンガポール）でリサーチインターンを開始。
2026年9月26日 Action Shaping: Policies Absorb What They Can Express を arXiv:2609.32752 で公開。
2026年9月24日 FastDSAC: Unlocking the Potential of Maximum Entropy RL in High-Dimensional Humanoid Control が NeurIPS 2026 に採択（共著）。
2026年8月20日 Reasoning Beyond Language: A Comprehensive Survey on Latent Chain-of-Thought Reasoning が EMNLP 2026 Findings に採択（共著）。
2026年6月24日 香港理工大学の博士候補者資格審査に合格しました。論文題目は Towards Efficient Reinforcement Learning via Environment Measurement and Shaping です。
2026年5月22日 PolyU Micro Fund 2025/26 Cohort 2（賞金 HK$20,000）にショートリスト入り、HKSTP Ideation Programme に条件付きで内定。
2026年3月6日 The Trace Is the State: Exact Credit Assignment for LLM Agent Teams を arXiv:2603.06859 で公開。
2025年5月22日 latent chain-of-thought reasoning に関する包括的なサーベイ論文を共著として発表（arXiv:2505.16782）。
2025年5月15日 Unveiling the Key Factors for Distilling Chain-of-Thought Reasoning が ACL 2025 Findings に採択（共著）。
2025年1月15日 Fine-Grained and Multi-Dimensional Metrics for Document-Level Machine Translation が NAACL 2025 Student Research Workshop に採択（共著）。
2024年10月9日 The Accuracy Paradox in RLHF: When Better Reward Models Don’t Yield Better Language Models が EMNLP 2024 に採択。