丹尼尔·卡兰德里洛
人员信息
SPARQL查询
优化列表
2020年–今天
2024 [公元30年] 穆罕默德·盖什拉希·阿扎尔 , 赵汉·丹尼尔·郭 , 比拉尔·皮奥 , 雷米·穆诺斯 , 马克·罗兰 , 米查尔·瓦尔科 , 丹尼尔·卡兰德里洛 :
理解从人类偏好中学习的一般理论范式。 AISTATS公司 2024 : 4447-4455 [公元29年] 阿拉·萨阿德 , 史蒂文·卡普托洛夫斯基 , 丹尼尔·卡兰德里洛 , 查尔斯·布伦德尔 , 巴勃罗·斯普雷希曼 , 利奥波多·萨拉 , 奥利弗·格罗斯 , 米查尔·瓦尔科 , 比拉尔·皮奥 :
在以小说为基础的长期探索中释放表现力。 ICLR公司 2024 [公元28年] 达尼尔·蒂普金 , 丹尼斯·贝洛梅斯特尼 , 丹尼尔·卡兰德里洛 , 埃里克·穆林斯 , 阿列克谢·诺莫夫 , 皮埃尔·佩罗 , 米查尔·瓦尔科 , 皮埃尔·梅纳德 :
演示-正规RL。 ICLR公司 2024 [公元27年] 丹尼尔·卡兰德里洛 , 赵汉·丹尼尔·郭 , 雷米·穆诺斯 , 马克·罗兰 , 汤云浩 , 贝尔纳多·阿维拉·皮雷斯 , 皮埃尔·哈维·里奇蒙 , 查林·勒兰 , 米查尔·瓦尔科 , 刘天奇 , 里沙布·乔希 , 郑泽瑜 , 比拉尔·皮奥 :
通过在线偏好优化实现大型语言模型的人工对齐。 ICML公司 2024 [公元26年] 刘天林 , 郭尚敏 , 莱昂纳多·比安科 , 丹尼尔·卡兰德里洛 , 昆汀·贝歇(Quentin Berthet) , 费利佩·利纳雷斯-洛佩斯 , 杰西卡·霍夫曼 , 卢卡斯·狄克逊 , 米查尔·瓦尔科 , 马修·布隆德尔 :
语言模型的解码时间重新调整。 ICML公司 2024 [公元25年] 雷米·穆诺斯 , 米查尔·瓦尔科 , 丹尼尔·卡兰德里洛 , 穆罕默德·盖什拉希·阿扎尔 , 马克·罗兰 , 赵汉·丹尼尔·郭 , 汤云浩 , 马蒂厄·盖斯特 , 托马斯·梅斯纳德 , 科梅·菲格尔 , 安德烈亚·米奇 , 马可·塞尔维 , 谢尔坦·吉尔金 , 尼古拉·蒙切夫 , 奥利维尔·巴瑟姆 , 丹尼尔·曼科维茨 , Doina Precup公司 , 比拉尔·皮奥 :
纳什从人的反馈中学习。 ICML公司 2024 [公元24年] 汤云浩 , 赵汉·丹尼尔·郭 , 郑泽瑜 , 丹尼尔·卡兰德里洛 , 雷米·穆诺斯 , 马克·罗兰 , 皮埃尔·哈维·里奇蒙 , 米查尔·瓦尔科 , 贝尔纳多·阿维拉·皮雷斯 , 比拉尔·皮奥 :
广义偏好优化:离线对齐的统一方法。 ICML公司 2024 [i31] 刘天林 , 郭尚敏 , 莱昂纳多·比安科 , 丹尼尔·卡兰德里洛 , 昆汀·贝歇(Quentin Berthet) , 菲利佩·利纳雷斯 , 杰西卡·霍夫曼 , 卢卡斯·狄克逊 , 米查尔·瓦尔科 , 马修·布隆德尔 :
语言模型的解码时间重新调整。 CoRR公司 abs/2402.02992 ( 2024 ) [i30] 汤云浩 , 赵汉·丹尼尔·郭 , 郑泽瑜 , 丹尼尔·卡兰德里洛 , 雷米·穆诺斯 , 马克·罗兰 , 皮埃尔·哈维·里奇蒙 , 米查尔·瓦尔科 , 贝尔纳多·阿维拉·皮雷斯 , 比拉尔·皮奥 :
广义偏好优化:离线校准的统一方法。 CoRR公司 abs/2402.05749 ( 2024 ) [i29] 丹尼尔·卡兰德里洛 , 丹尼尔·郭 , 雷米·穆诺斯 , 马克·罗兰 , 汤云浩 , 贝尔纳多·阿维拉·皮雷斯 , 皮埃尔·哈维·里奇蒙 , 查林·勒兰 , 米查尔·瓦尔科 , 刘天奇 , 里沙布·乔希 , 郑泽瑜 , 比拉尔·皮奥 :
通过在线偏好优化实现大型语言模型的人工对齐。 CoRR公司 abs/2403.08635 ( 2024 ) [第28条] 汤云浩 , 赵汉·丹尼尔·郭 , 郑泽瑜 , 丹尼尔·卡兰德里洛 , 袁操 , 尤金·塔拉索夫 , 雷米·穆诺斯 , 贝尔纳多·阿维拉·皮雷斯 , 米查尔·瓦尔科 , 永成 , 威尔·达布尼 :
了解在线和离线对齐算法之间的性能差距。 CoRR公司 腹肌/2405.08448 ( 2024 ) [i27] 利奥·沙尼 , 阿维夫·罗森博格 , 阿萨夫·卡塞尔 , 奥兰·朗 , 丹尼尔·卡兰德里洛 , Avital Zipori公司 , 希拉·诺加 , 奥加德·凯勒 , 比拉尔·皮奥 , 伊丹·斯佩克托 , 阿维纳坦·哈西迪姆 , 马提亚斯 , 雷米·穆诺斯 :
从偏好反馈中进行多轮强化学习。 CoRR公司 abs/2405.14655 ( 2024 ) [i26] 皮埃尔·哈维·里奇蒙 , 汤云浩 , 丹尼尔·郭 , 丹尼尔·卡兰德里洛 , 穆罕默德·盖什拉希·阿扎尔 , 拉斐尔·拉斐洛夫 , 贝尔纳多·阿维拉·皮雷斯 , 尤金·塔拉索夫 , 卢卡斯·斯潘格 , 威尔·埃尔斯沃思 , Aliaksei Severyn公司 , 乔纳森·马林森 , 利奥·沙尼 , 吉尔·沙米尔 , 里沙布·乔希 , 刘天奇 , 雷米·穆诺斯 , 比拉尔·皮奥 :
大型语言模型对齐的离线规则强化学习。 CoRR公司 abs/2405.19107 ( 2024 ) 2023 [c23] 汤云浩 , 赵汉·丹尼尔·郭 , 皮埃尔·哈维·里奇蒙 , 贝尔纳多·阿维拉·皮雷斯 , 亚什·昌达克 , 雷米·穆诺斯 , 马克·罗兰 , 穆罕默德·盖什拉希·阿扎尔 , 查林·勒兰 , 克莱尔·莱尔 , 安德烈斯·吉尔吉 , Shantanu Thakoor公司 , 威尔·达布尼 , 比拉尔·皮奥 , 丹尼尔·卡兰德里洛 , 米查尔·瓦尔科 :
了解自我预测学习以强化学习。 ICML公司 2023 : 33632-33656 [公元22年] 丹尼尔·蒂普金 , 丹尼斯·贝洛梅斯特尼 , 丹尼尔·卡兰德里洛 , 埃里克·穆林斯 , 雷米·穆诺斯 , 阿列克谢·诺莫夫 , 皮埃尔·佩罗 , 汤云浩 , 米查尔·瓦尔科 , 皮埃尔·梅纳德 :
最大熵探测的快速速率。 ICML公司 2023 : 34161-34221 【c21】 丹尼尔·蒂普金 , 丹尼斯·贝洛梅斯特尼 , 丹尼尔·卡兰德里洛 , 埃里克·穆林斯 , 雷米·穆诺斯 , 阿列克谢·诺莫夫 , 皮埃尔·佩罗 , 米查尔·瓦尔科 , 皮埃尔·梅纳德 :
通过学习率随机化的无模型后验抽样。 NeurIPS公司 2023 [i25] 丹尼尔·蒂普金 , 丹尼斯·贝洛梅斯特尼 , 丹尼尔·卡兰德里洛 , 埃里克·穆林斯 , 雷米·穆诺斯 , 阿列克谢·诺莫夫 , 皮埃尔·佩罗 , 汤云浩 , 米查尔·瓦尔科 , 皮埃尔·梅纳德 :
最大熵探索的快速速度。 CoRR公司 abs/2303.08059 ( 2023 ) 【i24】 阿拉·萨阿德 , 史蒂文·卡普托洛夫斯基 , 丹尼尔·卡兰德里洛 , 查尔斯·布伦德尔 , 巴勃罗·斯普雷希曼 , 利奥波多·萨拉 , 奥利弗·格罗斯 , 米查尔·瓦尔科 , 比拉尔·皮奥 :
在以小说为基础的长期探索中释放表现力。 CoRR公司 腹肌/2305.01521 ( 2023 ) [第23条] 穆罕默德·盖什拉希·阿扎尔 , 马克·罗兰 , 比拉尔·皮奥 , 丹尼尔·郭 , 丹尼尔·卡兰德里洛 , 米查尔·瓦尔科 , 雷米·穆诺斯 :
理解从人类偏好中学习的一般理论范式。 CoRR公司 abs/2310.12036 ( 2023 ) [i22] 丹尼尔·蒂普金 , 丹尼斯·贝洛梅斯特尼 , 丹尼尔·卡兰德里洛 , 埃里克·穆林斯 , 阿列克谢·诺莫夫 , 皮埃尔·佩罗 , 米查尔·瓦尔科 , 皮埃尔·梅纳德 :
演示-正规RL。 CoRR公司 abs/2310.17303 ( 2023 ) 【i21】 丹尼尔·蒂普金 , 丹尼斯·贝洛梅斯特尼 , 丹尼尔·卡兰德里洛 , 埃里克·穆林斯 , 雷米·穆诺斯 , 阿列克谢·诺莫夫 , 皮埃尔·佩罗 , 米查尔·瓦尔科 , 皮埃尔·梅纳德 :
通过学习率随机化的无模型后验抽样。 CoRR公司 abs/2310.18186 ( 2023 ) [i20] 雷米·穆诺斯 , 米查尔·瓦尔科 , 丹尼尔·卡兰德里洛 , 穆罕默德·盖什拉希·阿扎尔 , 马克·罗兰 , 赵汉·丹尼尔·郭 , 汤云浩 , 马蒂厄·盖斯特 , 托马斯·梅斯纳德 , 安德烈亚·米奇 , 马可·塞尔维 , 谢尔坦·吉尔金 , 尼古拉·蒙切夫 , 奥利维尔·巴瑟姆 , 丹尼尔·曼科维茨 , Doina Precup公司 , 比拉尔·皮奥 :
纳什从人的反馈中学习。 CoRR公司 abs/2312.00886 ( 2023 ) 2022 [公元20年] 沈阳太阳 , 丹尼尔·卡兰德里洛 , 胡慧仪 , 李安(Ang Li) , Michalis K.Titsias公司 :
持续学习的信息论在线记忆选择。 ICLR公司 2022 [第19条] 丹尼尔·卡兰德里洛 , 路易吉·卡拉蒂诺 , 亚历山德罗·拉扎里奇 , 米查尔·瓦尔科 , 洛伦佐·罗萨斯科 :
通过多次评估几个唯一候选对象来缩放高斯过程优化。 ICML公司 2022 : 2523-2541 [第18条] 赵汉国 , Shantanu Thakoor公司 , 米鲁娜·皮斯拉 , 贝尔纳多·阿维拉·皮雷斯 , 佛罗伦特·阿尔奇 , 科伦廷·塔莱克 , 阿拉·萨阿德 , 丹尼尔·卡兰德里洛 , Jean-Bastien烧烤 , 汤云浩 , 米查尔·瓦尔科 , 雷米·穆诺斯 , 穆罕默德·盖什拉希·阿扎尔 , 比拉尔·皮奥 :
BYOL-Explore:通过引导预测进行探索。 NeurIPS公司 2022 [第17条] 丹尼尔·蒂普金 , 丹尼斯·贝洛梅斯特尼 , 丹尼尔·卡兰德里洛 , 埃里克·穆林斯 , 雷米·穆诺斯 , 阿列克谢·诺莫夫 , 马克·罗兰 , 米查尔·瓦尔科 , 皮埃尔·梅纳德 :
用于强化学习的乐观后验抽样,样本少,保证严格。 NeurIPS公司 2022 [i19] 丹尼尔·卡兰德里洛 , 路易吉·卡拉蒂诺 , 亚历山德罗·拉扎里奇 , 米查尔·瓦尔科 , 洛伦佐·罗萨斯科 :
通过多次评估几个唯一候选对象来缩放高斯过程优化。 CoRR公司 abs/2201.12909 ( 2022 ) [i18] 沈阳太阳 , 丹尼尔·卡兰德里洛 , 胡慧仪 , 李安(Ang Li) , Michalis K.Titsias公司 :
持续学习的信息论在线记忆选择。 CoRR公司 abs/2204.04763 ( 2022 ) [i17] 赵汉·丹尼尔·郭 , Shantanu Thakoor公司 , 米鲁娜·皮斯拉 , 贝尔纳多·阿维拉·皮雷斯 , 佛罗伦特·阿尔奇 , 科伦廷·塔莱克 , 阿拉·萨阿德 , 丹尼尔·卡兰德里洛 , Jean-Bastien烧烤 , 汤云浩 , 米查尔·瓦尔科 , 雷米·穆诺斯 , 穆罕默德·盖什拉希·阿扎尔 , 比拉尔·皮奥 :
BYOL-Explore:通过引导预测进行探索。 CoRR公司 abs/2206.08332 ( 2022 ) [i16] 丹尼尔·蒂普金 , 丹尼斯·贝洛梅斯特尼 , 丹尼尔·卡兰德里洛 , 埃里克·穆林斯 , 雷米·穆诺斯 , 阿列克谢·诺莫夫 , 马克·罗兰 , 米查尔·瓦尔科 , 皮埃尔·梅纳德 :
用于强化学习的乐观后验抽样,样本少,保证严格。 CoRR公司 abs/2209.14414 ( 2022 ) 【i15】 汤云浩 , 赵汉·丹尼尔·郭 , 皮埃尔·哈维·里奇蒙 , 贝尔纳多·阿维拉·皮雷斯 , 亚什·昌达克 , 雷米·穆诺斯 , 马克·罗兰 , 穆罕默德·盖什拉希·阿扎尔 , 查林·勒兰 , 克莱尔·莱尔 , 安德烈斯·吉尔吉 , Shantanu Thakoor公司 , 威尔·达布尼 , 比拉尔·皮奥 , 丹尼尔·卡兰德里洛 , 米查尔·瓦尔科 :
了解自我预测学习以强化学习。 CoRR公司 abs/2212.03319 ( 2022 ) 2021 [j6] 阿尔贝托·玛丽亚·梅特利 , 马蒂奥·皮罗塔 , 丹尼尔·卡兰德里洛 , 马塞洛·雷斯特利 :
安全策略迭代:一种单调改进的近似策略迭代方法。 J.马赫。 学习。 物件。 22 : 97:1-97:83 ( 2021 ) [j5] 迭戈·费里戈 , 拉斐洛·卡莫利亚诺 , 保罗·玛丽亚·维克托特 , 丹尼尔·卡兰德里洛 , 西尔维奥·特拉瓦萨罗 , 洛伦佐·罗萨斯科 , 丹尼尔·普奇 :
从仿人机器人推-恢复学习看全身策略的出现。 IEEE机器人自动化。 莱特。 6 ( 4 ) : 8561-8568 ( 2021 ) [第16条] 路易吉·卡拉蒂诺 , 斯特凡诺·维戈尼亚 , 丹尼尔·卡兰德里洛 , 洛伦佐·罗萨斯科 :
ParK:基于特征空间划分的稳健高效的核岭回归。 NeurIPS公司 2021 : 6430-6441 [第14条] 迭戈·费里戈 , 拉斐洛·卡莫利亚诺 , 保罗·玛丽亚·维克托特 , 丹尼尔·卡兰德里洛 , 西尔维奥·特拉瓦莫罗 , 洛伦佐·罗萨斯科 , 丹尼尔·普奇 :
从仿人机器人推-恢复学习看整体策略的出现。 CoRR公司 abs/2104.14534 ( 2021 ) [i13] 路易吉·卡拉蒂诺 , 斯特凡诺·维戈尼亚 , 丹尼尔·卡兰德里洛 , 洛伦佐·罗萨斯科 :
ParK:基于特征空间划分的稳健高效的核岭回归。 CoRR公司 abs/2106.12231 ( 2021 ) [i12] 胡慧仪 , 李安(Ang Li) , 丹尼尔·卡兰德里洛 , 迪兰·格鲁 :
一通ImageNet。 CoRR公司 abs/2111.01956 ( 2021 ) 2020 【j4】 段安庆 , 拉斐洛·卡莫利亚诺 , 迭戈·费里戈 , 黄延龙 , 丹尼尔·卡兰德里洛 , 洛伦佐·罗萨斯科 , 丹尼尔·普奇 :
学会用最少的干预控制来避免障碍。 前沿机器人AI 7 : 60 ( 2020 ) [第15条] 丹尼尔·卡兰德里洛 , 路易吉·卡拉蒂诺 , 亚历山德罗·拉扎里奇 , 米查尔·瓦尔科 , 洛伦佐·罗萨斯科 :
具有自适应批处理和重分类的近线性时间高斯过程优化。 ICML公司 2020 : 1295-1305 [第14条] 丹尼尔·卡兰德里洛 , 米查尔·德里金斯基(Michal Derezinski) , 米查尔·瓦尔科 :
从k-DPP中取样,不查看所有项目。 NeurIPS公司 2020 [i11] 丹尼尔·卡兰德里洛 , 路易吉·卡拉蒂诺 , 亚历山德罗·拉扎里奇 , 米查尔·瓦尔科 , 洛伦佐·罗萨斯科 :
具有自适应批处理和再气化的近线性时间高斯过程优化。 CoRR公司 abs/2002.09954 ( 2020 ) [i10] 丹尼尔·卡兰德里洛 , 米查尔·德里金斯基(Michal Derezinski) , 米查尔·瓦尔科 :
从k-DPP中取样,不查看所有项目。 CoRR公司 腹肌/2006.16947 ( 2020 )
2010 – 2019
2019 [第13条] 丹尼尔·卡兰德里洛 , 路易吉·卡拉蒂诺 , 亚历山德罗·拉扎里奇 , 米查尔·瓦尔科 , 洛伦佐·罗萨斯科 :
自适应草图的高斯过程优化:可伸缩且无遗憾。 柯尔特 2019 : 533-557 [第12条] 段安庆 , 拉斐洛·卡莫利亚诺 , 迭戈·费里戈 , 黄延龙 , 丹尼尔·卡兰德里洛 , 洛伦佐·罗萨斯科 , 丹尼尔·普奇 :
学习在竞争性约束条件下对多个任务进行排序。 IROS公司 2019 : 2672-2678 [第11条] 米查尔·德里金斯基(Michal Derezinski) , 丹尼尔·卡兰德里洛 , 米查尔·瓦尔科 :
用次线性时间预处理确定点过程的精确采样。 NeurIPS公司 2019 : 11542-11554 [第九章] 丹尼尔·卡兰德里洛 , 路易吉·卡拉蒂诺 , 亚历山德罗·拉扎里奇 , 米查尔·瓦尔科 , 洛伦佐·罗萨斯科 :
自适应草图的高斯过程优化:可伸缩且无遗憾。 CoRR公司 abs/1903.05594 ( 2019 ) [i8] Michal Derezinski , 丹尼尔·卡兰德里洛 , 米查尔·瓦尔科 :
用次线性时间预处理确定点过程的精确采样。 CoRR公司 abs/1905.13476 ( 2019 ) [i7] 丹尼尔·卡兰德里洛 , 洛伦佐·罗萨斯科 :
内核K-Means中的统计和计算权衡。 CoRR公司 abs/1908.10284 ( 2019 ) 2018 [c10] 段安庆 , 拉斐洛·卡莫利亚诺 , 迭戈·费里戈 , 丹尼尔·卡兰德里洛 , 洛伦佐·罗萨斯科 , 丹尼尔·普奇 :
用于仿人机器人可行性技能学习的受限DMP。 类人族 2018 : 1-6 【c9】 丹尼尔·卡兰德里洛 , Ioannis Koutis公司 , 亚历山德罗·拉扎里奇 , 米查尔·瓦尔科 :
通过岭谱稀疏化改进大尺度图学习。 ICML公司 2018 : 687-696 【c8】 亚历山德罗·鲁迪 , 丹尼尔·卡兰德里洛 , 路易吉·卡拉蒂诺 , 洛伦佐·罗萨斯科 :
关于快速杠杆得分抽样和最佳学习。 NeurIPS公司 2018 : 5677-5687 【c7】 丹尼尔·卡兰德里洛 , 洛伦佐·罗萨斯科 :
内核K-Means中的统计和计算权衡。 NeurIPS公司 2018 : 9379-9389 [i6] 丹尼尔·卡兰德里洛 , 亚历山德罗·拉扎里奇 , 米查尔·瓦尔科 :
核矩阵逼近的分布式自适应采样。 CoRR公司 abs/1803.10172 ( 2018 ) [i5] 亚历山德罗·鲁迪 , 丹尼尔·卡兰德里洛 , 路易吉·卡拉蒂诺 , 洛伦佐·罗萨斯科 :
关于快速杠杆得分抽样和最佳学习。 CoRR公司 abs/1810.13258 ( 2018 ) 2017 【b1】 丹尼尔·卡兰德里洛 :
结构化和受限环境中的高效顺序学习。 (环境结构的认证有效性和限制)。 法国里尔科技大学, 2017 【c6】 丹尼尔·卡兰德里洛 , 亚历山德罗·拉扎里奇 , 米查尔·瓦尔科 :
用于核矩阵逼近的分布式自适应采样。 AISTATS公司 2017 : 1421-1429 【c5】 丹尼尔·卡兰德里洛 , 亚历山德罗·拉扎里奇 , 米查尔·瓦尔科 :
基于自适应草图的二阶核在线凸优化。 ICML公司 2017 : 645-653 【c4】 丹尼尔·卡兰德里洛 , 亚历山德罗·拉扎里奇 , 米查尔·瓦尔科 :
具有自适应嵌入的高效二阶在线内核学习。 NIPS公司 2017 : 6140-6150 [i4] 丹尼尔·卡兰德里洛 , 亚历山德罗·拉扎里奇 , 米查尔·瓦尔科 :
基于自适应草图的二阶核在线凸优化。 CoRR公司 abs/1706.04892 ( 2017 ) 2016 【c3】 丹尼尔·卡兰德里洛 , 亚历山德罗·拉扎里奇 , 米查尔·瓦尔科 :
使用连续岭杠杆得分分析Nyström方法。 阿联酋 2016 [i3] 丹尼尔·卡兰德里洛 , 亚历山德罗·拉扎里奇 , 米查尔·瓦尔科 , Ioannis Koutis公司 :
基于大尺度图的半监督学习的增量谱稀疏化。 CoRR公司 abs/1601.05675 ( 2016 ) [i2] 丹尼尔·卡兰德里洛 , 亚历山德罗·拉扎里奇 , 米查尔·瓦尔科 :
流设置的Kelner和Levin图稀疏化算法分析。 CoRR公司 abs/1609.03769 ( 2016 ) 2015 [j3] 丹尼尔·卡兰德里洛 , 亚历山德罗·拉扎里奇 , 马塞洛·雷斯特利 :
稀疏的多任务强化学习。 人工智能 9 ( 1 ) : 5-20 ( 2015 ) 2014 [注2] 丹尼尔·卡兰德里洛 , 岗牛 , 杉山正树 :
半监督信息最大化聚类。 神经网络 57 : 103-111 ( 2014 ) 【c2】 丹尼尔·卡兰德里洛 , 亚历山德罗·拉扎里奇 , 马塞洛·雷斯特利 :
稀疏多任务强化学习。 NIPS公司 2014 : 819-827 2013 [j1] 迭戈马提诺亚 , 丹尼尔·卡兰德里洛 , 安德里亚·波纳里尼 :
物理交互式机器人游戏:定义和设计指南。 机器人自动化。 系统。 61 ( 8 ) : 739-748 ( 2013 ) 【c1】 马蒂奥·皮罗塔 , 马塞洛·雷斯特利 , 阿莱西奥·佩科里诺 , 丹尼尔·卡兰德里洛 :
安全策略迭代。 ICML(3) 2013 : 307-315 [i1] 丹尼尔·卡兰德里洛 , 岗牛 , 杉山正树 :
半监督信息最大化聚类。 CoRR公司 腹肌/1304.8020 ( 2013 )