Buchumschlag

AttributionLab: Faithfulness of Feature Attribution Under Controllable Environments

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhang, Yang, Li, Yawei, Brown, Hannah, Rezaei, Mina, Bischl, Bernd, Torr, Philip, Khakzar, Ashkan, Kawaguchi, Kenji
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

A Dual-Perspective Approach to Evaluating Feature Attribution Methods
von: Li, Yawei, et al.
Veröffentlicht: (2023)

Calibrating LLMs with Information-Theoretic Evidential Deep Learning
von: Li, Yawei, et al.
Veröffentlicht: (2025)

FinerCut: Finer-grained Interpretable Layer Pruning for Large Language Models
von: Zhang, Yang, et al.
Veröffentlicht: (2024)

On Discprecncies between Perturbation Evaluations of Graph Neural Network Attributions
von: Rezaei, Razieh, et al.
Veröffentlicht: (2024)

RelP: Faithful and Efficient Circuit Discovery in Language Models via Relevance Patching
von: Jafari, Farnoush Rezaei, et al.
Veröffentlicht: (2025)

How Visual Representations Map to Language Feature Space in Multimodal LLMs
von: Venhoff, Constantin, et al.
Veröffentlicht: (2025)

Minimalist Concept Erasure in Generative Models
von: Zhang, Yang, et al.
Veröffentlicht: (2025)

Quantifying Feature Space Universality Across Large Language Models via Sparse Autoencoders
von: Lan, Michael, et al.
Veröffentlicht: (2024)

Too Late to Recall: Explaining the Two-Hop Problem in Multimodal Knowledge Retrieval
von: Venhoff, Constantin, et al.
Veröffentlicht: (2025)

What Is Fairness? On the Role of Protected Attributes and Fictitious Worlds
von: Bothmann, Ludwig, et al.
Veröffentlicht: (2022)

Structured Credal Learning
von: Venkatesh, Varun, et al.
Veröffentlicht: (2026)

Uncertainty-aware Pseudo-label Selection for Positive-Unlabeled Learning
von: Dorigatti, Emilio, et al.
Veröffentlicht: (2022)

Towards Understanding Multimodal Fine-Tuning: Spatial Features
von: Naghashyar, Lachin, et al.
Veröffentlicht: (2026)

Learnable Sparsity for Vision Generative Models
von: Zhang, Yang, et al.
Veröffentlicht: (2024)

Latent Guard: a Safety Framework for Text-to-image Generation
von: Liu, Runtao, et al.
Veröffentlicht: (2024)

The Attribution Impossibility: No Feature Ranking Is Faithful, Stable, and Complete Under Collinearity
von: Caraker, Drake, et al.
Veröffentlicht: (2026)

Learning Visual Prompts for Guiding the Attention of Vision Transformers
von: Rezaei, Razieh, et al.
Veröffentlicht: (2024)

Normalized AOPC: Fixing Misleading Faithfulness Metrics for Feature Attribution Explainability
von: Edin, Joakim, et al.
Veröffentlicht: (2024)

Mixture of Experts Made Intrinsically Interpretable
von: Yang, Xingyi, et al.
Veröffentlicht: (2025)

Articulate3D: Zero-Shot Text-Driven 3D Object Posing
von: Deb, Oishi, et al.
Veröffentlicht: (2025)

Ideal Attribution and Faithful Watermarks for Language Models
von: Song, Min Jae, et al.
Veröffentlicht: (2025)

Efficient Document Embeddings via Self-Contrastive Bregman Divergence Learning
von: Saggau, Daniel, et al.
Veröffentlicht: (2023)

Beyond Output Faithfulness: Learning Attributions that Preserve Computational Pathways
von: Zhang, Siyu, et al.
Veröffentlicht: (2025)

Faithfulness Evaluation for Decoder-only LLM Attributions with Controlled Retained Information
von: Huang, Xin, et al.
Veröffentlicht: (2026)

Incorporating Attribution Importance for Improving Faithfulness Metrics
von: Zhao, Zhixue, et al.
Veröffentlicht: (2023)

The Attribution Contract: Feature Attribution for Generative Language Models
von: Nguyen, Giang
Veröffentlicht: (2026)

On the Robustness of Global Feature Effect Explanations
von: Baniecki, Hubert, et al.
Veröffentlicht: (2024)

ABE: A Unified Framework for Robust and Faithful Attribution-Based Explainability
von: Zhu, Zhiyu, et al.
Veröffentlicht: (2025)

Single Character Perturbations Break LLM Alignment
von: Lin, Leon, et al.
Veröffentlicht: (2024)

AlignGuard: Scalable Safety Alignment for Text-to-Image Generation
von: Liu, Runtao, et al.
Veröffentlicht: (2024)

Analyzing Error Sources in Global Feature Effect Estimation
von: Heiß, Timo, et al.
Veröffentlicht: (2026)

Self-Evaluation as a Defense Against Adversarial Attacks on LLMs
von: Brown, Hannah, et al.
Veröffentlicht: (2024)

Decomposing Global Feature Effects Based on Feature Interactions
von: Herbinger, Julia, et al.
Veröffentlicht: (2023)

The Cognitive Revolution in Interpretability: From Explaining Behavior to Interpreting Representations and Algorithms
von: Davies, Adam, et al.
Veröffentlicht: (2024)

Post-hoc Orthogonalization for Mitigation of Protected Feature Bias in CXR Embeddings
von: Weber, Tobias, et al.
Veröffentlicht: (2023)

Wrapper Boxes: Faithful Attribution of Model Predictions to Training Data
von: Su, Yiheng, et al.
Veröffentlicht: (2023)

Impossibility Theorems for Feature Attribution
von: Bilodeau, Blair, et al.
Veröffentlicht: (2022)

How Faithful Is Trajectory-Based Data Attribution? Error Sources, Remedies, and Practical Guidelines
von: Deng, Junwei, et al.
Veröffentlicht: (2026)

Feature Attribution from First Principles
von: Taimeskhanov, Magamed, et al.
Veröffentlicht: (2025)

Disentangling Interactions and Dependencies in Feature Attribution
von: König, Gunnar, et al.
Veröffentlicht: (2024)