Buchumschlag

Task-Driven Causal Feature Distillation: Towards Trustworthy Risk Prediction

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Chu, Zhixuan, Hu, Mengxuan, Cui, Qing, Li, Longfei, Li, Sheng
Format:	Preprint
Veröffentlicht:	2023
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Causal-Driven Feature Evaluation for Cross-Domain Image Classification
von: Cheng, Chen, et al.
Veröffentlicht: (2026)

Causally Sufficient and Necessary Feature Expansion for Class-Incremental Learning
von: Zhang, Zhen, et al.
Veröffentlicht: (2026)

Towards Trustworthy Vital Sign Forecasting: Leveraging Uncertainty for Prediction Intervals
von: Wang, Li Rong, et al.
Veröffentlicht: (2025)

REMEDI: Relative Feature Enhanced Meta-Learning with Distillation for Imbalanced Prediction
von: Liu, Fei, et al.
Veröffentlicht: (2025)

Fairness-Aware Streaming Feature Selection with Causal Graphs
von: Zhang, Leizhen, et al.
Veröffentlicht: (2024)

Robust Knowledge Distillation Based on Feature Variance Against Backdoored Teacher Model
von: Chen, Jinyin, et al.
Veröffentlicht: (2024)

CausalRM: Causal-Theoretic Reward Modeling for RLHF from Observational User Feedbacks
von: Wang, Hao, et al.
Veröffentlicht: (2026)

CrimeAlarm: Towards Intensive Intent Dynamics in Fine-grained Crime Prediction
von: Hu, Kaixi, et al.
Veröffentlicht: (2024)

Class Incremental Fault Diagnosis under Limited Fault Data via Supervised Contrastive Knowledge Distillation
von: Zhang, Hanrong, et al.
Veröffentlicht: (2025)

Risk Awareness Injection: Calibrating Vision-Language Models for Safety without Compromising Utility
von: Wang, Mengxuan, et al.
Veröffentlicht: (2026)

Data Heterogeneity Modeling for Trustworthy Machine Learning
von: Liu, Jiashuo, et al.
Veröffentlicht: (2025)

BEACON: Bayesian Optimal Stopping for Efficient LLM Sampling
von: Wan, Guangya, et al.
Veröffentlicht: (2025)

A Unified Invariant Learning Framework for Graph Classification
von: Sui, Yongduo, et al.
Veröffentlicht: (2025)

Data-Driven Optimization of EV Charging Station Placement Using Causal Discovery
von: Junker, Julius Stephan, et al.
Veröffentlicht: (2025)

Towards Trustworthy Keylogger detection: A Comprehensive Analysis of Ensemble Techniques and Feature Selections through Explainable AI
von: Mahmud, Monirul Islam
Veröffentlicht: (2025)

Towards Minimizing Feature Drift in Model Merging: Layer-wise Task Vector Fusion for Adaptive Knowledge Integration
von: Sun, Wenju, et al.
Veröffentlicht: (2025)

Feature Distillation is the Better Choice for Model-Heterogeneous Federated Learning
von: Li, Yichen, et al.
Veröffentlicht: (2025)

TimeMixer++: A General Time Series Pattern Machine for Universal Predictive Analysis
von: Wang, Shiyu, et al.
Veröffentlicht: (2024)

SWAP: Towards Copyright Auditing of Soft Prompts via Sequential Watermarking
von: Yang, Wenyuan, et al.
Veröffentlicht: (2025)

Causal State Distillation for Explainable Reinforcement Learning
von: Lu, Wenhao, et al.
Veröffentlicht: (2023)

Causality Is Key to Understand and Balance Multiple Goals in Trustworthy ML and Foundation Models
von: Binkyte, Ruta, et al.
Veröffentlicht: (2025)

Self-Distilled Disentangled Learning for Counterfactual Prediction
von: Li, Xinshu, et al.
Veröffentlicht: (2024)

Uncertainty-Driven Reliability: Selective Prediction and Trustworthy Deployment in Modern Machine Learning
von: Rabanser, Stephan
Veröffentlicht: (2025)

A Causal Perspective for Enhancing Jailbreak Attack and Defense
von: Pan, Licheng, et al.
Veröffentlicht: (2026)

Causal SHAP: Feature Attribution with Dependency Awareness through Causal Discovery
von: Ng, Woon Yee, et al.
Veröffentlicht: (2025)

Seeking the Sufficiency and Necessity Causal Features in Multimodal Representation Learning
von: Chen, Boyu, et al.
Veröffentlicht: (2024)

Improve Knowledge Distillation via Label Revision and Data Selection
von: Lan, Weichao, et al.
Veröffentlicht: (2024)

Superpose Task-specific Features for Model Merging
von: Qiu, Haiquan, et al.
Veröffentlicht: (2025)

Toward Theoretical Insights into Diffusion Trajectory Distillation via Operator Merging
von: Gao, Weiguo, et al.
Veröffentlicht: (2025)

HiF-DTA: Hierarchical Feature Learning Network for Drug-Target Affinity Prediction
von: Li, Minghui, et al.
Veröffentlicht: (2025)

MedFeat: Model-Aware and Explainability-Driven Feature Engineering with LLMs for Clinical Tabular Prediction
von: Zhang, Zizheng, et al.
Veröffentlicht: (2026)

Multi-Hierarchical Fine-Grained Feature Mapping Driven by Feature Contribution for Molecular Odor Prediction
von: Xie, Hong Xin, et al.
Veröffentlicht: (2025)

Towards Understanding Extrapolation: a Causal Lens
von: Kong, Lingjing, et al.
Veröffentlicht: (2025)

Towards the Law of Capacity Gap in Distilling Language Models
von: Zhang, Chen, et al.
Veröffentlicht: (2023)

Safety-aware Causal Representation for Trustworthy Offline Reinforcement Learning in Autonomous Driving
von: Lin, Haohong, et al.
Veröffentlicht: (2023)

Can LLMs Leverage Observational Data? Towards Data-Driven Causal Discovery with LLMs
von: Susanti, Yuni, et al.
Veröffentlicht: (2025)

Entropy-Driven Curriculum for Multi-Task Training in Human Mobility Prediction
von: Fang, Tianye, et al.
Veröffentlicht: (2025)

EviDep: Trustworthy Multimodal Depression Estimation via Disentangled Evidential Learning
von: Liu, Fangyuan, et al.
Veröffentlicht: (2026)

Inductive Subgraphs as Shortcuts: Causal Disentanglement for Heterophilic Graph Learning
von: Wang, Xiangmeng, et al.
Veröffentlicht: (2026)

COSMO-RL: Towards Trustworthy LMRMs via Joint Safety and Stability
von: Ding, Yizhuo, et al.
Veröffentlicht: (2025)