:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Nguyen, Emma Thuong, Ghose, Abhishek
Format:	Preprint
Veröffentlicht:	2023
Schlagworte:	Artificial Intelligence
Online-Zugang:	https://arxiv.org/abs/2306.13935
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

On the Fragility of Active Learners for Text Classification
von: Ghose, Abhishek, et al.
Veröffentlicht: (2024)

Efficient and Concise Explanations for Object Detection with Gaussian-Class Activation Mapping Explainer
von: Nguyen, Quoc Khanh, et al.
Veröffentlicht: (2024)

A model and package for German ColBERT
von: Dang, Thuong, et al.
Veröffentlicht: (2025)

LLMs are One-Shot URL Classifiers and Explainers
von: Rashid, Fariza, et al.
Veröffentlicht: (2024)

Large Language Models are Good Relational Learners
von: Wu, Fang, et al.
Veröffentlicht: (2025)

PRISM: Generation-Time Detection and Mitigation of Secret Leakage in Multi-Agent LLM Pipelines
von: Tapwal, Riya, et al.
Veröffentlicht: (2026)

Explainers' Mental Representations of Explainees' Needs in Everyday Explanations
von: Schaffer, Michael Erol, et al.
Veröffentlicht: (2024)

Open-Ended Goal Inference through Actions and Language for Human-Robot Collaboration
von: Ghose, Debasmita, et al.
Veröffentlicht: (2025)

CoDy: Counterfactual Explainers for Dynamic Graphs
von: Qu, Zhan, et al.
Veröffentlicht: (2024)

Axiomatic Characterisations of Sample-based Explainers
von: Amgoud, Leila, et al.
Veröffentlicht: (2024)

Fast Explanations via Policy Gradient-Optimized Explainer
von: Pan, Deng, et al.
Veröffentlicht: (2024)

PAGE: Parametric Generative Explainer for Graph Neural Network
von: Qiu, Yang, et al.
Veröffentlicht: (2024)

CUAL: Continual Uncertainty-aware Active Learner
von: Rios, Amanda, et al.
Veröffentlicht: (2024)

MACIE: Multi-Agent Causal Intelligence Explainer for Collective Behavior Understanding
von: Weinberg, Abraham Itzhak
Veröffentlicht: (2025)

Understanding Post-hoc Explainers: The Case of Anchors
von: Lopardo, Gianluigi, et al.
Veröffentlicht: (2023)

Active Learners as Efficient PRP Rerankers
von: Paschmann, Jeremías Figueiredo, et al.
Veröffentlicht: (2026)

From Human Annotation to Automation: LLM-in-the-Loop Active Learning for Arabic Sentiment Analysis
von: Refai, Dania, et al.
Veröffentlicht: (2025)

Towards Comprehensive and Prerequisite-Free Explainer for Graph Neural Networks
von: Zhang, Han, et al.
Veröffentlicht: (2025)

Explaining the Explainers in Graph Neural Networks: a Comparative Study
von: Longa, Antonio, et al.
Veröffentlicht: (2022)

Do We Still Need Humans in the Loop? Comparing Human and LLM Annotation in Active Learning for Hostility Detection
von: Hakimi, Ahmad Dawar, et al.
Veröffentlicht: (2026)

MUSE-Explainer: Counterfactual Explanations for Symbolic Music Graph Classification Models
von: Hilaire, Baptiste, et al.
Veröffentlicht: (2025)

Are Large Language Models Good In-context Learners for Financial Sentiment Analysis?
von: Wei, Xinyu, et al.
Veröffentlicht: (2025)

Generative Multi-modal Models are Good Class-Incremental Learners
von: Cao, Xusheng, et al.
Veröffentlicht: (2024)

RouteExplainer: An Explanation Framework for Vehicle Routing Problem
von: Kikuta, Daisuke, et al.
Veröffentlicht: (2024)

Evaluating Explainability in Machine Learning Predictions through Explainer-Agnostic Metrics
von: Munoz, Cristian, et al.
Veröffentlicht: (2023)

RecExplainer: Aligning Large Language Models for Explaining Recommendation Models
von: Lei, Yuxuan, et al.
Veröffentlicht: (2023)

UNR-Explainer: Counterfactual Explanations for Unsupervised Node Representation Learning Models
von: Kang, Hyunju, et al.
Veröffentlicht: (2026)

Small Data Explainer -- The impact of small data methods in everyday life
von: Hackenberg, Maren, et al.
Veröffentlicht: (2025)

Game-Of-Goals: Using adversarial games to achieve strategic resilience
von: Ghose, Aditya, et al.
Veröffentlicht: (2025)

In-Context Explainers: Harnessing LLMs for Explaining Black Box Models
von: Kroeger, Nicholas, et al.
Veröffentlicht: (2023)

QuXAI: Explainers for Hybrid Quantum Machine Learning Models
von: Barua, Saikat, et al.
Veröffentlicht: (2025)

SAFE-RL: Saliency-Aware Counterfactual Explainer for Deep Reinforcement Learning Policies
von: Samadi, Amir, et al.
Veröffentlicht: (2024)

FSX: Message Flow Sensitivity Enhanced Structural Explainer for Graph Neural Networks
von: Feng, Bizu, et al.
Veröffentlicht: (2026)

A Cognitive Explainer for Fetal ultrasound images classifier Based on Medical Concepts
von: Wanga, Yingni, et al.
Veröffentlicht: (2022)

Explaining the Explainer: Understanding the Inner Workings of Transformer-based Symbolic Regression Models
von: van Breda, Arco, et al.
Veröffentlicht: (2026)

TVE: Learning Meta-attribution for Transferable Vision Explainer
von: Wang, Guanchu, et al.
Veröffentlicht: (2023)

PointExplainer: Towards Transparent Parkinson's Disease Diagnosis
von: Wang, Xuechao, et al.
Veröffentlicht: (2025)

Explainable embeddings with Distance Explainer
von: Meijer, Christiaan, et al.
Veröffentlicht: (2025)

VAE Explainer: Supplement Learning Variational Autoencoders with Interactive Visualization
von: Bertucci, Donald, et al.
Veröffentlicht: (2024)

Adobe Summit Concierge Evaluation with Human in the Loop
von: Chen, Yiru, et al.
Veröffentlicht: (2025)