Buchumschlag

Online Algorithmic Recourse by Collective Action

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Creager, Elliot, Zemel, Richard
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

Test-Time Collective Action: Proxy-Based Perturbations for Correcting Algorithmic Harms
von: Bhange, Meghana, et al.
Veröffentlicht: (2026)

Crowding Out The Noise: Algorithmic Collective Action Under Differential Privacy
von: Solanki, Rushabh, et al.
Veröffentlicht: (2025)

Out of the Ordinary: Spectrally Adapting Regression for Covariate Shift
von: Eyre, Benjamin, et al.
Veröffentlicht: (2023)

Confidence Calibration in Vision-Language-Action Models
von: Zollo, Thomas P, et al.
Veröffentlicht: (2025)

Algorithmic Recourse with Missing Values
von: Kanamori, Kentaro, et al.
Veröffentlicht: (2023)

Relevance-aware Algorithmic Recourse
von: Kim, Dongwhi, et al.
Veröffentlicht: (2024)

Promoting User Data Autonomy During the Dissolution of a Monopolistic Firm
von: Solanki, Rushabh, et al.
Veröffentlicht: (2024)

Perfect Counterfactuals in Imperfect Worlds: Modelling Noisy Implementation of Actions in Sequential Algorithmic Recourse
von: Xuan, Yueqing, et al.
Veröffentlicht: (2024)

Towards Non-Adversarial Algorithmic Recourse
von: Leemann, Tobias, et al.
Veröffentlicht: (2024)

Learning-Augmented Robust Algorithmic Recourse
von: Kayastha, Kshitij, et al.
Veröffentlicht: (2024)

Algorithmic Recourse in Abnormal Multivariate Time Series
von: Han, Xiao, et al.
Veröffentlicht: (2023)

Learning Decision Trees and Forests with Algorithmic Recourse
von: Kanamori, Kentaro, et al.
Veröffentlicht: (2024)

Algorithmic Recourse of In-Context Learning for Tabular Data
von: Dong, Wenshuo, et al.
Veröffentlicht: (2026)

Coverage-Validity-Aware Algorithmic Recourse
von: Bui, Ngoc, et al.
Veröffentlicht: (2023)

The Importance of Time in Causal Algorithmic Recourse
von: Beretta, Isacco, et al.
Veröffentlicht: (2023)

From Universal to Individualized Actionability: Revisiting Personalization in Algorithmic Recourse
von: Budde, Lena Marie, et al.
Veröffentlicht: (2026)

Reinforcement Learning for Durable Algorithmic Recourse
von: Ceccon, Marina, et al.
Veröffentlicht: (2025)

Personalized Algorithmic Recourse with Preference Elicitation
von: De Toni, Giovanni, et al.
Veröffentlicht: (2022)

Time Can Invalidate Algorithmic Recourse
von: De Toni, Giovanni, et al.
Veröffentlicht: (2024)

Causal Algorithmic Recourse: Foundations and Methods
von: Plecko, Drago, et al.
Veröffentlicht: (2026)

From Search To Sampling: Generative Models For Robust Algorithmic Recourse
von: Garg, Prateek, et al.
Veröffentlicht: (2025)

Transformers Don't In-Context Learn Least Squares Regression
von: Hill, Joshua, et al.
Veröffentlicht: (2025)

Unsupervised Confidence Calibration for Reasoning LLMs from a Single Generation
von: Zollo, Thomas, et al.
Veröffentlicht: (2026)

Few-Shot Design Optimization by Exploiting Auxiliary Information
von: Mani, Arjun, et al.
Veröffentlicht: (2026)

SafeAR: Safe Algorithmic Recourse by Risk-Aware Policies
von: Wu, Haochen, et al.
Veröffentlicht: (2023)

Fairness in Algorithmic Recourse Through the Lens of Substantive Equality of Opportunity
von: Bell, Andrew, et al.
Veröffentlicht: (2024)

ElliCE: Efficient and Provably Robust Algorithmic Recourse via the Rashomon Sets
von: Turbal, Bohdan, et al.
Veröffentlicht: (2026)

Tell Me What To Learn: Generalizing Neural Memory to be Controllable in Natural Language
von: Bennett, Max S., et al.
Veröffentlicht: (2026)

Pareto Optimal Algorithmic Recourse in Multi-cost Function
von: Chen, Wen-Ling, et al.
Veröffentlicht: (2025)

Test-Time Warmup for Multimodal Large Language Models
von: Rajaneesh, Nikita, et al.
Veröffentlicht: (2025)

The Role of Learning Algorithms in Collective Action
von: Ben-Dov, Omri, et al.
Veröffentlicht: (2024)

Improvement-Focused Causal Recourse (ICR)
von: König, Gunnar, et al.
Veröffentlicht: (2022)

Active Slice Discovery in Large Language Models
von: Zhang, Minhui, et al.
Veröffentlicht: (2025)

DriftXpress: Faster Drifting Models via Projected RKHS Fields
von: Falahati, Ali, et al.
Veröffentlicht: (2026)

Algorithmic Collective Action with Two Collectives
von: Karan, Aditya, et al.
Veröffentlicht: (2025)

The Risks of Recourse in Binary Classification
von: Fokkema, Hidde, et al.
Veröffentlicht: (2023)

Performative Validity of Recourse Explanations
von: König, Gunnar, et al.
Veröffentlicht: (2025)

PAR: Plausibility-aware Amortized Recourse Generation
von: Sabu, Anagha, et al.
Veröffentlicht: (2026)

Algorithmic Collective Action in Machine Learning
von: Hardt, Moritz, et al.
Veröffentlicht: (2023)

LIBRA: Language Model Informed Bandit Recourse Algorithm for Personalized Treatment Planning
von: Cao, Junyu, et al.
Veröffentlicht: (2026)