Copertina

Understanding Uncertainty Sampling via Equivalent Loss

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Liu, Shang, Li, Xiaocheng
Natura:	Preprint
Pubblicazione:	2023
Soggetti:	Machine Learning
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Towards Better Understanding of In-Context Learning Ability from In-Context Uncertainty Quantification
di: Liu, Shang, et al.
Pubblicazione: (2024)

Towards Better Statistical Understanding of Watermarking LLMs
di: Cai, Zhongze, et al.
Pubblicazione: (2024)

When No-Rejection Learning is Consistent for Regression with Rejection
di: Li, Xiaocheng, et al.
Pubblicazione: (2023)

Improving the stability of the covariance-controlled adaptive Langevin thermostat for large-scale Bayesian sampling
di: Wei, Jiani, et al.
Pubblicazione: (2025)

Understanding the Training and Generalization of Pretrained Transformer for Sequential Decision Making
di: Wang, Hanzhao, et al.
Pubblicazione: (2024)

Understanding the Training Speedup from Sampling with Approximate Losses
di: Das, Rudrajit, et al.
Pubblicazione: (2024)

Reward Modeling with Ordinal Feedback: Wisdom of the Crowd
di: Liu, Shang, et al.
Pubblicazione: (2024)

Uncertainty Estimation and Quantification for LLMs: A Simple Supervised Approach
di: Liu, Linyu, et al.
Pubblicazione: (2024)

How Humans Help LLMs: Assessing and Incentivizing Human Preference Annotators
di: Liu, Shang, et al.
Pubblicazione: (2025)

RI-Loss: A Learnable Residual-Informed Loss for Time Series Forecasting
di: Wang, Jieting, et al.
Pubblicazione: (2025)

Cluster Purge Loss: Structuring Transformer Embeddings for Equivalent Mutants Detection
di: Danilov, Adelaide, et al.
Pubblicazione: (2025)

Incentivizing High-Quality Human Annotations with Golden Questions
di: Liu, Shang, et al.
Pubblicazione: (2025)

Calibrated Uncertainty Sampling for Active Learning
di: Bui, Ha Manh, et al.
Pubblicazione: (2025)

Exploration-free Algorithms for Multi-group Mean Estimation
di: Wei, Ziyi, et al.
Pubblicazione: (2025)

Pion: A Spectrum-Preserving Optimizer via Orthogonal Equivalence Transformation
di: Shi, Kexuan, et al.
Pubblicazione: (2026)

Stable Coresets via Posterior Sampling: Aligning Induced and Full Loss Landscapes
di: Chang, Wei-Kai, et al.
Pubblicazione: (2025)

On the Calibration of Epistemic Uncertainty: Principles, Paradoxes and Conflictual Loss
di: Fellaji, Mohammed, et al.
Pubblicazione: (2024)

Uncertainty Estimation for Path Loss and Radio Metric Models
di: Bose, Alexis, et al.
Pubblicazione: (2025)

Online Learning on Hidden-Convex Losses via Algorithmic Equivalence: Optimal Regret, Geometric Barrier, and Bandit Feedback
di: Barakat, Anas, et al.
Pubblicazione: (2026)

ForeSWE: Forecasting Snow-Water Equivalent with an Uncertainty-Aware Attention Model
di: Thapa, Krishu K, et al.
Pubblicazione: (2025)

Don't Stop Me Yet: Sampling Loss Minima via Dissipative Riemannian Mechanics
di: Jacobsen, Albert Kjøller, et al.
Pubblicazione: (2026)

Soft Robust MDPs and Risk-Sensitive MDPs: Equivalence, Policy Gradient, and Sample Complexity
di: Zhang, Runyu, et al.
Pubblicazione: (2023)

Perturbation-Assisted Sample Synthesis: A Novel Approach for Uncertainty Quantification
di: Liu, Yifei, et al.
Pubblicazione: (2023)

Enhancing Certified Robustness via Block Reflector Orthogonal Layers and Logit Annealing Loss
di: Lai, Bo-Han, et al.
Pubblicazione: (2025)

Sample-Efficient Omniprediction for Proper Losses
di: Gibbs, Isaac, et al.
Pubblicazione: (2025)

On the Sample Complexity of Discounted Reinforcement Learning with Optimized Certainty Equivalents
di: Mortensen, Oliver, et al.
Pubblicazione: (2026)

Kernel Tests of Equivalence
di: Liu, Xing, et al.
Pubblicazione: (2026)

Quantifying and Understanding Uncertainty in Large Reasoning Models
di: Li, Yangyi, et al.
Pubblicazione: (2026)

Risk Profiling and Modulation for LLMs
di: Wang, Yikai, et al.
Pubblicazione: (2025)

Learning to Make Adherence-Aware Advice
di: Chen, Guanting, et al.
Pubblicazione: (2023)

Calibrating conditional risk
di: Vasilyev, Andrey, et al.
Pubblicazione: (2026)

Credal Two-Sample Tests of Epistemic Uncertainty
di: Chau, Siu Lun, et al.
Pubblicazione: (2024)

Memory as a Markov Matrix: Sample Efficient Knowledge Expansion via Token-to-Dictionary Mapping
di: Pethkar, Kaustubh, et al.
Pubblicazione: (2026)

Conformal Risk Control under Non-Monotone Losses: Theory and Finite-Sample Guarantees
di: Aldirawi, Tareq, et al.
Pubblicazione: (2026)

Uncertainty Quantification of Data Shapley via Statistical Inference
di: Wu, Mengmeng, et al.
Pubblicazione: (2024)

Flat-LoRA: Low-Rank Adaptation over a Flat Loss Landscape
di: Li, Tao, et al.
Pubblicazione: (2024)

On the Convergence of Loss and Uncertainty-based Active Learning Algorithms
di: Haimovich, Daniel, et al.
Pubblicazione: (2023)

Decomposing Probabilistic Scores: Reliability, Information Loss and Uncertainty
di: Charpentier, Arthur, et al.
Pubblicazione: (2026)

Free Energy Surface Sampling via Reduced Flow Matching
di: Liu, Zichen, et al.
Pubblicazione: (2026)

EAGLE: Speculative Sampling Requires Rethinking Feature Uncertainty
di: Li, Yuhui, et al.
Pubblicazione: (2024)