Buchumschlag

Eliminating Information Leakage in Hard Concept Bottleneck Models with Supervised, Hierarchical Concept Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Sun, Ao, Yuan, Yuanyuan, Ma, Pingchuan, Wang, Shuai
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Learning to Intervene on Concept Bottlenecks
von: Steinmann, David, et al.
Veröffentlicht: (2023)

Counterfactual Concept Bottleneck Models
von: Dominici, Gabriele, et al.
Veröffentlicht: (2024)

Incremental Residual Concept Bottleneck Models
von: Shang, Chenming, et al.
Veröffentlicht: (2024)

Leakage and Interpretability in Concept-Based Models
von: Parisini, Enrico, et al.
Veröffentlicht: (2025)

Learning Concept Bottleneck Models from Mechanistic Explanations
von: De Santis, Antonio, et al.
Veröffentlicht: (2026)

Causally Reliable Concept Bottleneck Models
von: De Felice, Giovanni, et al.
Veröffentlicht: (2025)

Towards Reasonable Concept Bottleneck Models
von: Kalampalikis, Nektarios, et al.
Veröffentlicht: (2025)

Addressing Concept Mislabeling in Concept Bottleneck Models Through Preference Optimization
von: Penaloza, Emiliano, et al.
Veröffentlicht: (2025)

Object Centric Concept Bottlenecks
von: Steinmann, David, et al.
Veröffentlicht: (2025)

Mixture of Concept Bottleneck Experts
von: De Santis, Francesco, et al.
Veröffentlicht: (2026)

Bayesian Concept Bottleneck Models with LLM Priors
von: Feng, Jean, et al.
Veröffentlicht: (2024)

Do Concept Bottleneck Models Respect Localities?
von: Raman, Naveen, et al.
Veröffentlicht: (2024)

Editable Concept Bottleneck Models
von: Hu, Lijie, et al.
Veröffentlicht: (2024)

Semi-supervised Concept Bottleneck Models
von: Hu, Lijie, et al.
Veröffentlicht: (2024)

Measuring Leakage in Concept-Based Methods: An Information Theoretic Approach
von: Makonnen, Mikael, et al.
Veröffentlicht: (2025)

Relational Concept Bottleneck Models
von: Barbiero, Pietro, et al.
Veröffentlicht: (2023)

Hoeffding Concept Bottleneck Models with Applications to Overhead Images
von: Bénard, Clément, et al.
Veröffentlicht: (2026)

Towards Fine-Grained and Verifiable Concept Bottleneck Models
von: Fang, Yingying, et al.
Veröffentlicht: (2026)

Revealing Combinatorial Reasoning of GNNs via Graph Concept Bottleneck Layer
von: Niu, Yue, et al.
Veröffentlicht: (2026)

Learning Discrete Concepts in Latent Hierarchical Models
von: Kong, Lingjing, et al.
Veröffentlicht: (2024)

GlassMol: Interpretable Molecular Property Prediction with Concept Bottleneck Models
von: Rivera, Oscar, et al.
Veröffentlicht: (2026)

A Concept-Centric Approach to Multi-Modality Learning
von: Geng, Yuchong, et al.
Veröffentlicht: (2024)

Efficient Differentiable Causal Discovery via Reliable Super-Structure Learning
von: Ma, Pingchuan, et al.
Veröffentlicht: (2026)

Hierarchical Concept-based Interpretable Models
von: Hill, Oscar, et al.
Veröffentlicht: (2026)

Improving ARDS Diagnosis Through Context-Aware Concept Bottleneck Models
von: Narain, Anish, et al.
Veröffentlicht: (2025)

Credal Concept Bottleneck Models: Structural Separation of Epistemic and Aleatoric Uncertainty
von: Mukherjee, Tanmoy, et al.
Veröffentlicht: (2026)

Zero-shot Concept Bottleneck Models
von: Yamaguchi, Shin'ya, et al.
Veröffentlicht: (2025)

Process-Guided Concept Bottleneck Model
von: Asiyabi, Reza M., et al.
Veröffentlicht: (2026)

Improving Intervention Efficacy via Concept Realignment in Concept Bottleneck Models
von: Singhi, Nishad, et al.
Veröffentlicht: (2024)

Energy-Based Concept Bottleneck Models: Unifying Prediction, Concept Intervention, and Probabilistic Interpretations
von: Xu, Xinyue, et al.
Veröffentlicht: (2024)

SL-CBM: Enhancing Concept Bottleneck Models with Semantic Locality for Better Interpretability
von: Zhang, Hanwei, et al.
Veröffentlicht: (2026)

An Analysis of Concept Bottleneck Models: Measuring, Understanding, and Mitigating the Impact of Noisy Annotations
von: Park, Seonghwan, et al.
Veröffentlicht: (2025)

ConceptFlow: Hierarchical and Fine-grained Concept-Based Explanation for Convolutional Neural Networks
von: Mu, Xinyu, et al.
Veröffentlicht: (2025)

Discover-then-Name: Task-Agnostic Concept Bottlenecks via Automated Concept Discovery
von: Rao, Sukrut, et al.
Veröffentlicht: (2024)

Interpretable Hierarchical Concept Reasoning through Attention-Guided Graph Learning
von: Debot, David, et al.
Veröffentlicht: (2025)

Dynamic Graph Information Bottleneck
von: Yuan, Haonan, et al.
Veröffentlicht: (2024)

Adaptive Concept Bottleneck for Foundation Models Under Distribution Shifts
von: Choi, Jihye, et al.
Veröffentlicht: (2024)

Survival Concept-Based Learning Models
von: Kirpichenko, Stanislav R., et al.
Veröffentlicht: (2025)

Can we Constrain Concept Bottleneck Models to Learn Semantically Meaningful Input Features?
von: Furby, Jack, et al.
Veröffentlicht: (2024)

XFACTORS: Disentangled Information Bottleneck via Contrastive Supervision
von: Myara, Alexandre, et al.
Veröffentlicht: (2026)