Copertina

Detecting Generative Parroting through Overfitting Masked Autoencoders

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Taghanaki, Saeid Asgari, Lambourne, Joseph
Natura:	Preprint
Pubblicazione:	2024
Soggetti:	Machine Learning Artificial Intelligence
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

How to Determine the Preferred Image Distribution of a Black-Box Vision-Language Model?
di: Taghanaki, Saeid Asgari, et al.
Pubblicazione: (2024)

Explain-Query-Test: Self-Evaluating LLMs Via Explanation and Comprehension Discrepancy
di: Taghanaki, Saeid Asgari, et al.
Pubblicazione: (2025)

MMLU-Pro+: Evaluating Higher-Order Reasoning and Shortcut Learning in LLMs
di: Taghanaki, Saeid Asgari, et al.
Pubblicazione: (2024)

Multi-scale Masked Autoencoder for Electrocardiogram Anomaly Detection
di: Zhou, Ya, et al.
Pubblicazione: (2025)

Friend or Foe? Harnessing Controllable Overfitting for Anomaly Detection
di: Qian, Long, et al.
Pubblicazione: (2024)

How to Mitigate Overfitting in Weak-to-strong Generalization?
di: Shi, Junhao, et al.
Pubblicazione: (2025)

Revealing the Power of Masked Autoencoders in Traffic Forecasting
di: Sun, Jiarui, et al.
Pubblicazione: (2023)

Control of Overfitting with Physics
di: Kozyrev, Sergei V., et al.
Pubblicazione: (2024)

UGMAE: A Unified Framework for Graph Masked Autoencoders
di: Tian, Yijun, et al.
Pubblicazione: (2024)

Improving Robustness In Sparse Autoencoders via Masked Regularization
di: Narayanaswamy, Vivek, et al.
Pubblicazione: (2026)

Parrot: Efficient Serving of LLM-based Applications with Semantic Variable
di: Lin, Chaofan, et al.
Pubblicazione: (2024)

To Predict or Not To Predict? Proportionally Masked Autoencoders for Tabular Data Imputation
di: Kim, Jungkyu, et al.
Pubblicazione: (2024)

Quantum Masked Autoencoders for Vision Learning
di: Andrews, Emma, et al.
Pubblicazione: (2025)

Pre-Training Graph Contrastive Masked Autoencoders are Strong Distillers for EEG
di: Wei, Xinxu, et al.
Pubblicazione: (2024)

Self-Guided Masked Autoencoders for Domain-Agnostic Self-Supervised Learning
di: Xie, Johnathan, et al.
Pubblicazione: (2024)

Towards Mitigating Architecture Overfitting on Distilled Datasets
di: Zhong, Xuyang, et al.
Pubblicazione: (2023)

Benign Overfitting in Adversarial Training for Vision Transformers
di: Zhang, Jiaming, et al.
Pubblicazione: (2026)

Residual Stream Analysis of Overfitting And Structural Disruptions
di: Liu, Quan, et al.
Pubblicazione: (2026)

Autoencoders for Anomaly Detection are Unreliable
di: Bouman, Roel, et al.
Pubblicazione: (2025)

DenoMAE2.0: Improving Denoising Masked Autoencoders by Classifying Local Patches
di: Faysal, Atik, et al.
Pubblicazione: (2025)

Frequency-Aware Masked Autoencoders for Multimodal Pretraining on Biosignals
di: Liu, Ran, et al.
Pubblicazione: (2023)

Masked Graph Autoencoders with Contrastive Augmentation for Spatially Resolved Transcriptomics Data
di: Fang, Donghai, et al.
Pubblicazione: (2024)

Stable Minima Cannot Overfit in Univariate ReLU Networks: Generalization by Large Step Sizes
di: Qiao, Dan, et al.
Pubblicazione: (2024)

On the Implicit Reward Overfitting and the Low-rank Dynamics in RLVR
di: Ye, Hao, et al.
Pubblicazione: (2026)

Personal Information Parroting in Language Models
di: Subramani, Nishant, et al.
Pubblicazione: (2026)

LoRA Dropout as a Sparsity Regularizer for Overfitting Control
di: Lin, Yang, et al.
Pubblicazione: (2024)

A Classical View on Benign Overfitting: The Role of Sample Size
di: Park, Junhyung, et al.
Pubblicazione: (2025)

EEG Artifact Detection and Correction with Deep Autoencoders
di: Aquilué-Llorens, David, et al.
Pubblicazione: (2025)

Benign Overfitting for Regression with Trained Two-Layer ReLU Networks
di: Park, Junhyung, et al.
Pubblicazione: (2024)

Mitigating Overfitting in Graph Neural Networks via Feature and Hyperplane Perturbation
di: Choi, Yoonhyuk, et al.
Pubblicazione: (2022)

Overcoming Overfitting in Reinforcement Learning via Gaussian Process Diffusion Policy
di: Horprasert, Amornyos, et al.
Pubblicazione: (2025)

From Overfitting to Reliability: Introducing the Hierarchical Approximate Bayesian Neural Network
di: Amirkhanian, Hayk, et al.
Pubblicazione: (2025)

Masked Autoencoders that Feel the Heart: Unveiling Simplicity Bias for ECG Analyses
di: Xu, He-Yang, et al.
Pubblicazione: (2025)

Generalized Graph Transformer Variational Autoencoder
di: Karki, Siddhant
Pubblicazione: (2025)

Masked Diffusion Modeling for Anomaly Detection
di: Zhang, Lixing, et al.
Pubblicazione: (2026)

VAN-AD: Visual Masked Autoencoder with Normalizing Flow For Time Series Anomaly Detection
di: Chen, PengYu, et al.
Pubblicazione: (2026)

Masked Autoencoders Are Effective Tokenizers for Diffusion Models
di: Chen, Hao, et al.
Pubblicazione: (2025)

CL-MAE: Curriculum-Learned Masked Autoencoders
di: Madan, Neelu, et al.
Pubblicazione: (2023)

Advancing Email Spam Detection: Leveraging Zero-Shot Learning and Large Language Models
di: SHirvani, Ghazaleh, et al.
Pubblicazione: (2025)

Deep Autoencoders for Unsupervised Anomaly Detection in Wildfire Prediction
di: Üstek, İrem, et al.
Pubblicazione: (2024)