Buchumschlag

On the Limitations of Temperature Scaling for Distributions with Overlaps

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Chidambaram, Muthu, Ge, Rong
Format:	Preprint
Veröffentlicht:	2023
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Reassessing How to Compare and Improve the Calibration of Machine Learning Models
von: Chidambaram, Muthu, et al.
Veröffentlicht: (2024)

For Better or For Worse? Learning Minimum Variance Features With Label Augmentation
von: Chidambaram, Muthu, et al.
Veröffentlicht: (2024)

Provably Learning Diverse Features in Multi-View Data with Midpoint Mixup
von: Chidambaram, Muthu, et al.
Veröffentlicht: (2022)

What does guidance do? A fine-grained analysis in a simple setting
von: Chidambaram, Muthu, et al.
Veröffentlicht: (2024)

How Flawed Is ECE? An Analysis via Logit Smoothing
von: Chidambaram, Muthu, et al.
Veröffentlicht: (2024)

Slim Scheduler: A Runtime-Aware RL and Scheduler System for Efficient CNN Inference
von: Harshbarger, Ian, et al.
Veröffentlicht: (2025)

Out-of-Distribution Detection with Overlap Index
von: Fu, Hao, et al.
Veröffentlicht: (2024)

An Upper Bound for the Distribution Overlap Index and Its Applications
von: Fu, Hao, et al.
Veröffentlicht: (2022)

A Sensitivity Approach to Causal Inference Under Limited Overlap
von: Ma, Yuanzhe, et al.
Veröffentlicht: (2025)

Direct Preference Optimization With Unobserved Preference Heterogeneity: The Necessity of Ternary Preferences
von: Chidambaram, Keertana, et al.
Veröffentlicht: (2024)

ODD: Overlap-aware Estimation of Model Performance under Distribution Shift
von: Mishra, Aayush, et al.
Veröffentlicht: (2025)

Off-Policy Evaluation in Markov Decision Processes under Weak Distributional Overlap
von: Mehrabi, Mohammad, et al.
Veröffentlicht: (2024)

Multi-scale Predictive Representations for Goal-conditioned Reinforcement Learning
von: Adaikkappan, Valliappan Chidambaram, et al.
Veröffentlicht: (2026)

How Does Gradient Descent Learn Features -- A Local Analysis for Regularized Two-Layer Neural Networks
von: Zhou, Mo, et al.
Veröffentlicht: (2024)

Central Limit Theorem for Two-Time-Scale Approximate Distributionally Robust RL
von: Wang, Shengbo, et al.
Veröffentlicht: (2026)

It's Our Loss: No Privacy Amplification for Hidden State DP-SGD With Non-Convex Loss
von: Annamalai, Meenatchi Sundaram Muthu Selva
Veröffentlicht: (2024)

Spatially Distributed Task-Oriented Compression for Multi-Emitter Localization and Characterization with Spectral Overlap
von: Bicer, H. Nazim, et al.
Veröffentlicht: (2026)

Sequential Decision Making with Expert Demonstrations under Unobserved Heterogeneity
von: Balazadeh, Vahid, et al.
Veröffentlicht: (2024)

TokenWeave: Efficient Compute-Communication Overlap for Distributed LLM Inference
von: Gond, Raja, et al.
Veröffentlicht: (2025)

CA2: Code-Aware Agent for Automated Game Testing
von: Adaikkappan, Valliappan Chidambaram, et al.
Veröffentlicht: (2026)

Mean-Field Analysis for Learning Subspace-Sparse Polynomials with Gaussian Input
von: Chen, Ziang, et al.
Veröffentlicht: (2024)

Robust Post-Training for Generative Recommenders: Why Exponential Reward-Weighted SFT Outperforms RLHF
von: Chidambaram, Keertana, et al.
Veröffentlicht: (2026)

Energy-Aware DNN Graph Optimization
von: Wang, Yu, et al.
Veröffentlicht: (2020)

Memorizing Long-tail Data Can Help Generalization Through Composition
von: Zhou, Mo, et al.
Veröffentlicht: (2025)

On Temperature Scaling and Conformal Prediction of Deep Classifiers
von: Dabah, Lahav, et al.
Veröffentlicht: (2024)

Entity Augmentation for Efficient Classification of Vertically Partitioned Data with Limited Overlap
von: Amalanshu, Avi, et al.
Veröffentlicht: (2024)

ION-C: Integration of Overlapping Networks via Constraints
von: Nair, Praveen, et al.
Veröffentlicht: (2024)

Federated Random Forest for Partially Overlapping Clinical Data
von: Park, Youngjun, et al.
Veröffentlicht: (2024)

Learning to Scale Logits for Temperature-Conditional GFlowNets
von: Kim, Minsu, et al.
Veröffentlicht: (2023)

Modeling User Preferences as Distributions for Optimal Transport-Based Cross-Domain Recommendation under Non-Overlapping Settings
von: Xiao, Ziyin, et al.
Veröffentlicht: (2025)

The Limits of Inference Scaling Through Resampling
von: Stroebl, Benedikt, et al.
Veröffentlicht: (2024)

Differential Equation Scaling Limits of Shaped and Unshaped Neural Networks
von: Li, Mufan Bill, et al.
Veröffentlicht: (2023)

An Augmentation Overlap Theory of Contrastive Learning
von: Zhang, Qi, et al.
Veröffentlicht: (2025)

Limits and Gains of Test-Time Scaling in Vision-Language Reasoning
von: Ahmadpour, Mohammadjavad, et al.
Veröffentlicht: (2025)

Overlap-Adaptive Regularization for Conditional Average Treatment Effect Estimation
von: Melnychuk, Valentyn, et al.
Veröffentlicht: (2025)

OPPO: Accelerating PPO-based RLHF via Pipeline Overlap
von: Yan, Kaizhuo, et al.
Veröffentlicht: (2025)

The Power of Random Features and the Limits of Distribution-Free Gradient Descent
von: Karchmer, Ari, et al.
Veröffentlicht: (2025)

OPT-Engine: Benchmarking the Limits of LLMs in Optimization Modeling via Complexity Scaling
von: Chen, Yitian, et al.
Veröffentlicht: (2026)

GETS: Ensemble Temperature Scaling for Calibration in Graph Neural Networks
von: Zhuang, Dingyi, et al.
Veröffentlicht: (2024)

Improving Calibration by Relating Focal Loss, Temperature Scaling, and Properness
von: Komisarenko, Viacheslav, et al.
Veröffentlicht: (2024)