Buchumschlag

Concept Gradient: Concept-based Interpretation Without Linear Assumption

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Bai, Andrew, Yeh, Chih-Kuan, Ravikumar, Pradeep, Lin, Neil Y. C., Hsieh, Cho-Jui
Format:	Preprint
Veröffentlicht:	2022
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

An Efficient Rehearsal Scheme for Catastrophic Forgetting Mitigation during Multi-stage Fine-tuning
von: Bai, Andrew, et al.
Veröffentlicht: (2024)

Concepts or Skills? Rethinking Instruction Selection for Multi-modal Models
von: Bai, Andrew, et al.
Veröffentlicht: (2025)

CLUE: Concept-Level Uncertainty Estimation for Large Language Models
von: Wang, Yu-Hsiang, et al.
Veröffentlicht: (2024)

Learning Interpretable Concepts: Unifying Causal Representation Learning and Foundation Models
von: Rajendran, Goutham, et al.
Veröffentlicht: (2024)

A Unifying Framework for Unsupervised Concept Extraction
von: Squires, Chandler, et al.
Veröffentlicht: (2026)

Unlabeled Data Improves Fine-Grained Image Zero-shot Classification with Multimodal LLMs
von: Hong, Yunqi, et al.
Veröffentlicht: (2025)

Data Attribution for Diffusion Models: Timestep-induced Bias in Influence Estimation
von: Xie, Tong, et al.
Veröffentlicht: (2024)

Online Continuous Hyperparameter Optimization for Generalized Linear Contextual Bandits
von: Kang, Yue, et al.
Veröffentlicht: (2023)

On the Loss of Context-awareness in General Instruction Fine-tuning
von: Wang, Yihan, et al.
Veröffentlicht: (2024)

Embedding Space Selection for Detecting Memorization and Fingerprinting in Generative Models
von: He, Jack, et al.
Veröffentlicht: (2024)

Concept Bottleneck Models Without Predefined Concepts
von: Schrodi, Simon, et al.
Veröffentlicht: (2024)

Hierarchical Concept-based Interpretable Models
von: Hill, Oscar, et al.
Veröffentlicht: (2026)

Tree of Concepts: Interpretable Continual Learners in Non-Stationary Clinical Domains
von: Cho, Dongkyu, et al.
Veröffentlicht: (2026)

Projecting Assumptions: The Duality Between Sparse Autoencoders and Concept Geometry
von: Hindupur, Sai Sumedh R., et al.
Veröffentlicht: (2025)

CAT: Interpretable Concept-based Taylor Additive Models
von: Duong, Viet, et al.
Veröffentlicht: (2024)

ICED: Concept-level Machine Unlearning via Interpretable Concept Decomposition
von: Lin, Shen, et al.
Veröffentlicht: (2026)

Efficient Frameworks for Generalized Low-Rank Matrix Bandit Problems
von: Kang, Yue, et al.
Veröffentlicht: (2024)

Low-rank Matrix Bandits with Heavy-tailed Rewards
von: Kang, Yue, et al.
Veröffentlicht: (2024)

On the Origins of Linear Representations in Large Language Models
von: Jiang, Yibo, et al.
Veröffentlicht: (2024)

Unlearning Concepts in Diffusion Model via Concept Domain Correction and Concept Preserving Gradient
von: Wu, Yongliang, et al.
Veröffentlicht: (2024)

Identifying General Mechanism Shifts in Linear Causal Representations
von: Chen, Tianyu, et al.
Veröffentlicht: (2024)

Interpreting CLIP with Sparse Linear Concept Embeddings (SpLiCE)
von: Bhalla, Usha, et al.
Veröffentlicht: (2024)

Linear Adversarial Concept Erasure
von: Ravfogel, Shauli, et al.
Veröffentlicht: (2022)

Explaining Concept Shift with Interpretable Feature Attribution
von: Lyu, Ruiqi, et al.
Veröffentlicht: (2025)

Interpretable Reward Modeling with Active Concept Bottlenecks
von: Laguna, Sonia, et al.
Veröffentlicht: (2025)

ConceptCaps: a Distilled Concept Dataset for Interpretability in Music Models
von: Sienkiewicz, Bruno, et al.
Veröffentlicht: (2026)

Interpretable Concept-Based Memory Reasoning
von: Debot, David, et al.
Veröffentlicht: (2024)

Leakage and Interpretability in Concept-Based Models
von: Parisini, Enrico, et al.
Veröffentlicht: (2025)

Interpretable Prognostics with Concept Bottleneck Models
von: Forest, Florent, et al.
Veröffentlicht: (2024)

What Does Preference Learning Recover from Pairwise Comparison Data?
von: Pukdee, Rattana, et al.
Veröffentlicht: (2026)

Provably Robust Training of Quantum Circuit Classifiers Against Parameter Noise
von: Tecot, Lucas, et al.
Veröffentlicht: (2025)

From Segments to Concepts: Interpretable Image Classification via Concept-Guided Segmentation
von: Eisenberg, Ran, et al.
Veröffentlicht: (2025)

Understanding Augmentation-based Self-Supervised Representation Learning via RKHS Approximation and Regression
von: Zhai, Runtian, et al.
Veröffentlicht: (2023)

Interpretability for Multimodal Emotion Recognition using Concept Activation Vectors
von: Asokan, Ashish Ramayee, et al.
Veröffentlicht: (2022)

Exploiting Interpretable Capabilities with Concept-Enhanced Diffusion and Prototype Networks
von: Carballo-Castro, Alba, et al.
Veröffentlicht: (2024)

Federated Concept-Based Models: Interpretable models with distributed supervision
von: Fenoglio, Dario, et al.
Veröffentlicht: (2026)

Interpretable Neural-Symbolic Concept Reasoning
von: Barbiero, Pietro, et al.
Veröffentlicht: (2023)

Preserving Task-Relevant Information Under Linear Concept Removal
von: Holstege, Floris, et al.
Veröffentlicht: (2025)

Interpretable Concept Bottlenecks to Align Reinforcement Learning Agents
von: Delfosse, Quentin, et al.
Veröffentlicht: (2024)

Self-explaining Neural Network with Concept-based Explanations for ICU Mortality Prediction
von: Kumar, Sayantan, et al.
Veröffentlicht: (2021)