苏军又Junyou Su

Junyou Su^*, He Zhu^*, Xiao Luo, Liyu Zhang, Hong-Yu Zhou, Yun Chen, Peng Li, Yang Liu, Guanhua Chen

计算语言学协会年会（ACL）主会

• 提出 Warmup 校准 + 分布感知过滤的统一范式：用对比熵信号识别最具可学习性的样本，不再依赖人工的领域启发式规则。
• 仅用 10% 数据即超过全量训练：数学推理相对提升 17%，通用指令相对提升 52%，并在医疗问答与代码任务上复现。

ACL Anthology

He Zhu^*, Junyou Su^*, Peng Lai^*, Ren Ma, Wenjia Zhang, Linyi Yang, Guanhua Chen

国际表征学习大会（ICLR）·已合入 LLaMA-Factory。

• 动态样本加权结合轻量级 KL 锚定，解决 Dynamic Fine-Tuning 的训练漂移问题。
• 首次将 DFT 统一进 Reward-Weighted Regression 框架，证明其下界比 SFT 更紧、收敛更稳定。
• 在数学推理、医学问答与代码生成上稳定提升，计算成本约为全量 RL 训练的 3%；ASFT-LoRA 变体显存降低 50% 仍保持增益。

OpenReview arXiv 代码

He Zhu^*, Junyou Su^*, Minxin Chen^*, Wen Wang, Yijie Deng, Guanhua Chen, Wenjia Zhang

自然语言处理经验方法会议（EMNLP）Industry Track

• 提出 PlanAnno-V 框架，为国土空间规划图件合成高质量视觉问答数据。
• 关键点思维机制通过结构化验证逐步核对答案，显著减少幻觉。
• 发布 PlanBench-V 基准，评测模型对规划图件的识读能力。

ACL Anthology 项目主页

He Zhu, Zhiwen Ruan, Junyou Su, Xingwei He, Yun Chen, Wenjia Zhang, Guanhua Chen

计算语言学协会年会（ACL）Findings

• 首创将指令压缩到紧凑的标签空间，再通过强化学习引导的标签扩展重建指令。
• 让指令复杂度成为可控的旋钮，而不是提示改写的副产物，跨基准表现更稳定。

ACL Anthology

Junyou Su, Wen Wang, Yurun Wang, Junyang Chen, Wenjia Zhang

• 只读目标模型与若干固定同伴在提示末端的下一 token 分布，不生成任何答案 token。
• 免训练、免标注：在同一批 prefill 上，跨模型一致性比纯置信度基线高 2.45 个 macro AUROC。