Buchumschlag

Partial Rankings of Optimizers

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Rodemann, Julian, Blocher, Hannah
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Robust Statistical Comparison of Random Variables with Locally Varying Scale of Measurement
von: Jansen, Christoph, et al.
Veröffentlicht: (2023)

Towards Better Open-Ended Text Generation: A Multicriteria Evaluation Framework
von: Arias, Esteban Garces, et al.
Veröffentlicht: (2024)

Statistical Multicriteria Benchmarking via the GSD-Front
von: Jansen, Christoph, et al.
Veröffentlicht: (2024)

Depth Functions for Partial Orders with a Descriptive Analysis of Machine Learning Algorithms
von: Blocher, Hannah, et al.
Veröffentlicht: (2023)

Towards Bayesian Data Selection
von: Rodemann, Julian
Veröffentlicht: (2024)

Generalization Bounds and Stopping Rules for Learning with Self-Selected Data
von: Rodemann, Julian, et al.
Veröffentlicht: (2025)

Comparing Machine Learning Algorithms by Union-Free Generic Depth
von: Blocher, Hannah, et al.
Veröffentlicht: (2023)

Self-Supervised Laplace Approximation for Bayesian Uncertainty Quantification
von: Rodemann, Julian, et al.
Veröffentlicht: (2026)

Beyond Arrow: From Impossibility to Possibilities in Multi-Criteria Benchmarking
von: Gordienko, Polina, et al.
Veröffentlicht: (2026)

Reciprocal Learning
von: Rodemann, Julian, et al.
Veröffentlicht: (2024)

Incentive Aware AI Regulations: A Credal Characterisation
von: Singh, Anurag, et al.
Veröffentlicht: (2026)

Statistical Multicriteria Evaluation of LLM-Generated Text
von: Arias, Esteban Garces, et al.
Veröffentlicht: (2025)

In-context Ranking Preference Optimization
von: Wu, Junda, et al.
Veröffentlicht: (2025)

Performative Learning Theory
von: Rodemann, Julian, et al.
Veröffentlicht: (2026)

Adaptive Contrastive Search: Uncertainty-Guided Decoding for Open-Ended Text Generation
von: Arias, Esteban Garces, et al.
Veröffentlicht: (2024)

Semi-Supervised Learning guided by the Generalized Bayes Rule under Soft Revision
von: Dietrich, Stefan, et al.
Veröffentlicht: (2024)

A Statistical Case Against Empirical Human-AI Alignment
von: Rodemann, Julian, et al.
Veröffentlicht: (2025)

A Comprehensive Perspective on Explainable AI across the Machine Learning Workflow
von: Paterakis, George, et al.
Veröffentlicht: (2025)

LambdaRankIC: Directly Optimizing Rank IC for Financial Prediction
von: Lin, Yan, et al.
Veröffentlicht: (2026)

Predictive Low Rank Matrix Learning under Partial Observations: Mixed-Projection ADMM
von: Bertsimas, Dimitris, et al.
Veröffentlicht: (2024)

Revisiting Sparsity Constraint Under High-Rank Property in Partial Multi-Label Learning
von: Si, Chongjie, et al.
Veröffentlicht: (2025)

Empirical Decision Theory
von: Jansen, Christoph, et al.
Veröffentlicht: (2025)

RewardRank: Optimizing True Learning-to-Rank Utility
von: Bhatt, Gaurav, et al.
Veröffentlicht: (2025)

F-GRPO: Factorized Group-Relative Policy Optimization for Unified Candidate Generation and Ranking
von: Surana, Rohan, et al.
Veröffentlicht: (2026)

Contextual Linear Optimization with Partial Feedback
von: Hu, Yichun, et al.
Veröffentlicht: (2024)

Optimizing Rank-based Metrics with Blackbox Differentiation
von: Rolínek, Michal, et al.
Veröffentlicht: (2019)

Mixture of Low Rank Adaptation with Partial Parameter Sharing for Time Series Forecasting
von: Pan, Licheng, et al.
Veröffentlicht: (2025)

Fast Bayesian Optimization of Function Networks with Partial Evaluations
von: Buathong, Poompol, et al.
Veröffentlicht: (2025)

Reduced-Rank Multi-objective Policy Learning and Optimization
von: Nwankwo, Ezinne, et al.
Veröffentlicht: (2024)

Proximal Ranking Policy Optimization for Practical Safety in Counterfactual Learning to Rank
von: Gupta, Shashank, et al.
Veröffentlicht: (2024)

Bayesian Optimization of Partially Known Systems using Hybrid Models
von: Cramer, Eike, et al.
Veröffentlicht: (2026)

Low Rank Learning for Offline Query Optimization
von: Yi, Zixuan, et al.
Veröffentlicht: (2025)

Beating Adversarial Low-Rank MDPs with Unknown Transition and Bandit Feedback
von: Liu, Haolin, et al.
Veröffentlicht: (2024)

Quantification of Credal Uncertainty: A Distance-Based Approach
von: Gonzalez-Garcia, Xabier, et al.
Veröffentlicht: (2026)

Low-Rank Extragradient Method for Nonsmooth and Low-Rank Matrix Optimization Problems
von: Garber, Dan, et al.
Veröffentlicht: (2022)

Low-Rank Mirror-Prox for Nonsmooth and Low-Rank Matrix Optimization Problems
von: Garber, Dan, et al.
Veröffentlicht: (2022)

On the Learnability of Offline Model-Based Optimization: A Ranking Perspective
von: Lyu, Shen-Huan, et al.
Veröffentlicht: (2026)

Decision-Focused On-Policy Learning for Contextual Linear Optimization with Partial Feedback
von: Benslimane, Wyame, et al.
Veröffentlicht: (2026)

Bayesian Optimization of Function Networks with Partial Evaluations
von: Buathong, Poompol, et al.
Veröffentlicht: (2023)

Self-Reinforcing Controllable Synthesis of Rare Relational Data via Bayesian Calibration
von: Zhang, Chongsheng, et al.
Veröffentlicht: (2026)