:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Li, Sixu, Chen, Shi, Li, Qin
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning
Online-Zugang:	https://arxiv.org/abs/2401.04856
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

When Bad Data Leads to Good Models
von: Li, Kenneth, et al.
Veröffentlicht: (2025)

Greed is Good: A Unifying Perspective on Guided Generation
von: Blasingame, Zander W., et al.
Veröffentlicht: (2025)

Encouraging Good Processes Without the Need for Good Answers: Reinforcement Learning for LLM Agent Planning
von: Li, Zhiwei, et al.
Veröffentlicht: (2025)

It Takes a Good Model to Train a Good Model: Generalized Gaussian Priors for Optimized LLMs
von: Wu, Jun, et al.
Veröffentlicht: (2025)

When Good Equations Get Bad Scores: Improving Symbolic Regression Through Better Parameter Optimization
von: Wang, Boxiao, et al.
Veröffentlicht: (2026)

Vertical Federated Learning in Practice: The Good, the Bad, and the Ugly
von: Wu, Zhaomin, et al.
Veröffentlicht: (2025)

PT: A Plain Transformer is Good Hospital Readmission Predictor
von: Fan, Zhenyi, et al.
Veröffentlicht: (2024)

GoodDrag: Towards Good Practices for Drag Editing with Diffusion Models
von: Zhang, Zewei, et al.
Veröffentlicht: (2024)

What Are Good Positional Encodings for Directed Graphs?
von: Huang, Yinan, et al.
Veröffentlicht: (2024)

Predictive Churn with the Set of Good Models
von: Watson-Daniels, Jamelle, et al.
Veröffentlicht: (2024)

On the Empirical Power of Goodness-of-Fit Tests in Watermark Detection
von: He, Weiqing, et al.
Veröffentlicht: (2025)

In Search of Goodness: Large Scale Benchmarking of Goodness Functions for the Forward-Forward Algorithm
von: Shah, Arya, et al.
Veröffentlicht: (2025)

Good Learners Think Their Thinking: Generative PRM Makes Large Reasoning Model More Efficient Math Learner
von: He, Tao, et al.
Veröffentlicht: (2025)

LEGATO: Good Identity Unlearning Is Continuous
von: Chen, Qiang, et al.
Veröffentlicht: (2026)

Good Reasoning Makes Good Demonstrations: Implicit Reasoning Quality Supervision via In-Context Reinforcement Learning
von: Mei, Tiehua, et al.
Veröffentlicht: (2026)

Dataset Distillers Are Good Label Denoisers In the Wild
von: Cheng, Lechao, et al.
Veröffentlicht: (2024)

Auto-Encoding Goodness of Fit
von: Palmer, Aaron, et al.
Veröffentlicht: (2022)

Differential Good Arm Identification
von: Tsai, Yun-Da, et al.
Veröffentlicht: (2023)

When LLM Judge Scores Look Good but Best-of-N Decisions Fail
von: Landesberg, Eddie
Veröffentlicht: (2026)

Predicting Bad Goods Risk Scores with ARIMA Time Series: A Novel Risk Assessment Approach
von: Gond, Bishwajit Prasad
Veröffentlicht: (2025)

Shift is Good: Mismatched Data Mixing Improves Test Performance
von: Medvedev, Marko, et al.
Veröffentlicht: (2025)

Feel-Good Thompson Sampling for Contextual Dueling Bandits
von: Li, Xuheng, et al.
Veröffentlicht: (2024)

Pure Exploration for a Good Policy in Reinforcement Learning with Bandit Feedback
von: Li, Zitian, et al.
Veröffentlicht: (2026)

Variance-Aware Feel-Good Thompson Sampling for Contextual Bandits
von: Li, Xuheng, et al.
Veröffentlicht: (2025)

The Good, The Bad, and The Hybrid: A Reward Structure Showdown in Reasoning Models Training
von: Sahoo, Subramanyam
Veröffentlicht: (2025)

How Good is a Single Basin?
von: Lion, Kai, et al.
Veröffentlicht: (2024)

An Anytime Algorithm for Good Arm Identification
von: Jourdan, Marc, et al.
Veröffentlicht: (2023)

SmartBench: Is Your LLM Truly a Good Chinese Smartphone Assistant?
von: Lu, Xudong, et al.
Veröffentlicht: (2025)

Good Actions Succeed, Bad Actions Generalize: A Case Study on Why RL Generalizes Better
von: Song, Meng
Veröffentlicht: (2025)

Amazing Things Come From Having Many Good Models
von: Rudin, Cynthia, et al.
Veröffentlicht: (2024)

What Makes a Good Explanation?: A Harmonized View of Properties of Explanations
von: Chen, Zixi, et al.
Veröffentlicht: (2022)

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

Exogenous Matching: Learning Good Proposals for Tractable Counterfactual Estimation
von: Chen, Yikang, et al.
Veröffentlicht: (2024)

Heuristic Methods are Good Teachers to Distill MLPs for Graph Link Prediction
von: Qin, Zongyue, et al.
Veröffentlicht: (2025)

What Makes a Good Diffusion Planner for Decision Making?
von: Lu, Haofei, et al.
Veröffentlicht: (2025)

Composite Goodness-of-fit Tests with Kernels
von: Key, Oscar, et al.
Veröffentlicht: (2021)

Expert-Guided Class-Conditional Goodness-of-Fit Scores for Interpretable Classification with Informative Missingness: An Application to Seismic Monitoring
von: Cohen, Shahar, et al.
Veröffentlicht: (2026)

Learn Your Reference Model for Real Good Alignment
von: Gorbatovski, Alexey, et al.
Veröffentlicht: (2024)

$\varepsilon$-Good Action Identification in Fixed-Budget Monte Carlo Tree Search
von: Li, Yinan, et al.
Veröffentlicht: (2026)

Are Large Language Models Good Temporal Graph Learners?
von: Huang, Shenyang, et al.
Veröffentlicht: (2025)