个人简介
我是西湖大学的博士生。此前,我在哈尔滨工业大学获得了计算机科学学士和硕士学位。我的研究重点是大型语言模型,特别是推理、强化学习和后训练,主要关注在了解语言模型是如何获得和提高其推理能力,以及开发更有效和可解释的方法来训练它们。
研究与工作经验
2025.08-现在 西湖大学 博士生在读
2022.08–2024.12 哈尔滨工业大学 硕士研究生
2018.08–2022.06 哈尔滨工业大学 本科生
精选成果
- 论文2025.11
Direct value optimization: Improving chain-of-thought reasoning in llms with refined values
Hongbo Zhang, Han Cui, Guangsheng Bao, Linyi Yang, Jun Wang, Y Zhang
EMNLP2025
基于MCTS估计中间步骤的价值,并将其做为模型训练的监督信号。
强化学习价值模型 - 论文2026.09
Gains and Collapse in On-Policy Distillation: A Reinforcement Learning Perspective
Han Cui, Jianhao Yan, Yun Luo, Hongbo Zhang, Zhizhang Fu, Yyue Zhang
ICLR27在投
从强化学习的视角分析了OPD的成功训练中性能提升的来源和崩溃训练中的原因。
强化学习在线蒸馏 - 论文2024.08
Exploring hybrid question answering via program-based prompting
Qi Shi, Han Cui, Haofeng Wang, Qingfu Zhu, Wanxiang Che, Ting Liu
ACL2024
通过异构数据转换为结构化的数据结构,让LLM基于代码在异构数据上实现更高效,更准确的推理过程。
异构数据推理