Buchumschlag

Controllable Prompt Tuning For Balancing Group Distributional Robustness

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Phan, Hoang, Wilson, Andrew Gordon, Lei, Qi
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

Hyperparameter Transfer Enables Consistent Gains of Matrix-Preconditioned Optimizers Across Scales
von: Qiu, Shikai, et al.
Veröffentlicht: (2025)

Deep Learning is Not So Mysterious or Different
von: Wilson, Andrew Gordon
Veröffentlicht: (2025)

Mind the GAP: Improving Robustness to Subpopulation Shifts with Group-Aware Priors
von: Rudner, Tim G. J., et al.
Veröffentlicht: (2024)

Class-Conditional Distribution Balancing for Group Robust Classification
von: Zhao, Miaoyun, et al.
Veröffentlicht: (2025)

Sketchy Moment Matching: Toward Fast and Provable Data Selection for Finetuning
von: Dong, Yijun, et al.
Veröffentlicht: (2024)

Leveraging Soft Prompts for Privacy Attacks in Federated Prompt Tuning
von: Nguyen, Quan Minh, et al.
Veröffentlicht: (2026)

Toward a Holistic Approach to Continual Model Merging
von: Phan, Hoang, et al.
Veröffentlicht: (2025)

DeCoOp: Robust Prompt Tuning with Out-of-Distribution Detection
von: Zhou, Zhi, et al.
Veröffentlicht: (2024)

Enhancing Domain Adaptation through Prompt Gradient Alignment
von: Phan, Hoang, et al.
Veröffentlicht: (2024)

Elastic Representation: Mitigating Spurious Correlations for Group Robustness
von: Wen, Tao, et al.
Veröffentlicht: (2025)

Probabilistic Federated Prompt-Tuning with Non-IID and Imbalanced Data
von: Weng, Pei-Yau, et al.
Veröffentlicht: (2025)

Neural Network Reprogrammability: A Unified Theme on Model Reprogramming, Prompt Tuning, and Prompt Instruction
von: Ye, Zesheng, et al.
Veröffentlicht: (2025)

Robust Graph Fine-Tuning with Adversarial Graph Prompting
von: Zhang, Ziyan, et al.
Veröffentlicht: (2026)

Group Distributionally Robust Machine Learning under Group Level Distributional Uncertainty
von: Konti, Xenia, et al.
Veröffentlicht: (2025)

Scalable and Flexible Causal Discovery with an Efficient Test for Adjacency
von: Amin, Alan Nawzad, et al.
Veröffentlicht: (2024)

Leveraging Hierarchical Taxonomies in Prompt-based Continual Learning
von: Tran, Quyen, et al.
Veröffentlicht: (2024)

Lorica: A Synergistic Fine-Tuning Framework for Advancing Personalized Adversarial Robustness
von: Qi, Tianyu, et al.
Veröffentlicht: (2025)

Fine-Tuned Language Models Generate Stable Inorganic Materials as Text
von: Gruver, Nate, et al.
Veröffentlicht: (2024)

In-Context Clustering with Large Language Models
von: Wang, Ying, et al.
Veröffentlicht: (2025)

Disentangled Graph Prompting for Out-Of-Distribution Detection
von: Yang, Cheng, et al.
Veröffentlicht: (2026)

Universal Prompt Tuning for Graph Neural Networks
von: Fang, Taoran, et al.
Veröffentlicht: (2022)

DAGPrompT: Pushing the Limits of Graph Prompting with a Distribution-aware Graph Prompt Tuning Approach
von: Chen, Qin, et al.
Veröffentlicht: (2025)

TrojFSP: Trojan Insertion in Few-shot Prompt Tuning
von: Zheng, Mengxin, et al.
Veröffentlicht: (2023)

Memorization Control in Diffusion Models from Denoising-centric Perspective
von: Vu, Thuy Phuong, et al.
Veröffentlicht: (2026)

PRO-VPT: Distribution-Adaptive Visual Prompt Tuning via Prompt Relocation
von: Shang, Chikai, et al.
Veröffentlicht: (2025)

Efficient Algorithms for Empirical Group Distributionally Robust Optimization and Beyond
von: Yu, Dingzhi, et al.
Veröffentlicht: (2024)

Stochastic Approximation Approaches to Group Distributionally Robust Optimization and Beyond
von: Zhang, Lijun, et al.
Veröffentlicht: (2023)

Objective Matters: Fine-Tuning Objectives Shape Safety, Robustness, and Persona Drift
von: Vennemeyer, Daniel, et al.
Veröffentlicht: (2026)

Why Masking Diffusion Works: Condition on the Jump Schedule for Improved Discrete Diffusion
von: Amin, Alan N., et al.
Veröffentlicht: (2025)

Evaluating Generalization and Representation Stability in Small LMs via Prompting, Fine-Tuning and Out-of-Distribution Prompts
von: Raja, Rahul, et al.
Veröffentlicht: (2025)

A Cross-graph Tuning-free GNN Prompting Framework
von: Chen, Yaqi, et al.
Veröffentlicht: (2026)

Exploring Embedding Priors in Prompt-Tuning for Improved Interpretability and Control
von: Sedov, Sergey, et al.
Veröffentlicht: (2024)

Balance Equation-based Distributionally Robust Offline Imitation Learning
von: Agrawal, Rishabh, et al.
Veröffentlicht: (2025)

Candidate Pseudolabel Learning: Enhancing Vision-Language Models by Prompt Tuning with Unlabeled Data
von: Zhang, Jiahan, et al.
Veröffentlicht: (2024)

DynaPrompt: Dynamic Test-Time Prompt Tuning
von: Xiao, Zehao, et al.
Veröffentlicht: (2025)

Plug and Play with Prompts: A Prompt Tuning Approach for Controlling Text Generation
von: Ajwani, Rohan Deepak, et al.
Veröffentlicht: (2024)

Group Distributionally Robust Optimization with Flexible Sample Queries
von: Bai, Haomin, et al.
Veröffentlicht: (2025)

Memory Limitations of Prompt Tuning in Transformers
von: Meyer, Maxime, et al.
Veröffentlicht: (2025)

Large Language Models Are Zero-Shot Time Series Forecasters
von: Gruver, Nate, et al.
Veröffentlicht: (2023)

The No Free Lunch Theorem, Kolmogorov Complexity, and the Role of Inductive Biases in Machine Learning
von: Goldblum, Micah, et al.
Veröffentlicht: (2023)