Buchumschlag

Exploring the Trade-off Between Model Performance and Explanation Plausibility of Text Classifiers Using Human Rationales

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Resck, Lucas E., Raimundo, Marcos M., Poco, Jorge
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computation and Language Artificial Intelligence Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Empirical analysis of binding precedent efficiency in Brazilian Supreme Court via case classification
von: Tinarrage, Raphaël, et al.
Veröffentlicht: (2024)

Emissions and Performance Trade-off Between Small and Large Language Models
von: Garg, Anandita, et al.
Veröffentlicht: (2025)

Exploring the Plausibility of Hate and Counter Speech Detectors with Explainable AI
von: Böck, Adrian Jaques, et al.
Veröffentlicht: (2024)

Exploring Accuracy-Fairness Trade-off in Large Language Models
von: Zhang, Qingquan, et al.
Veröffentlicht: (2024)

Downstream Trade-offs of a Family of Text Watermarks
von: Ajith, Anirudh, et al.
Veröffentlicht: (2023)

Text to Trust: Evaluating Fine-Tuning and LoRA Trade-offs in Language Models for Unfair Terms of Service Detection
von: Juttu, Noshitha Padma Pratyusha, et al.
Veröffentlicht: (2025)

Understanding the Quality-Diversity Trade-off in Diffusion Language Models
von: Buzzard, Zak
Veröffentlicht: (2025)

Counterfactual Training: Teaching Models Plausible and Actionable Explanations
von: Altmeyer, Patrick, et al.
Veröffentlicht: (2026)

Large Language Models in the Task of Automatic Validation of Text Classifier Predictions
von: Tsymbalov, Aleksandr, et al.
Veröffentlicht: (2025)

How Much is Too Much? Exploring LoRA Rank Trade-offs for Retaining Knowledge and Domain Robustness
von: Rathore, Darshita, et al.
Veröffentlicht: (2025)

Everything is Plausible: Investigating the Impact of LLM Rationales on Human Notions of Plausibility
von: Palta, Shramay, et al.
Veröffentlicht: (2025)

Safeguarding Large Language Models in Real-time with Tunable Safety-Performance Trade-offs
von: Fonseca, Joao, et al.
Veröffentlicht: (2025)

Distill n' Explain: explaining graph neural networks using simple surrogates
von: Pereira, Tamara, et al.
Veröffentlicht: (2023)

Fundamental Safety-Capability Trade-offs in Fine-tuning Large Language Models
von: Chen, Pin-Yu, et al.
Veröffentlicht: (2025)

Reframing Data Value for Large Language Models Through the Lens of Plausibility
von: Rammal, Mohamad Rida, et al.
Veröffentlicht: (2024)

Exploring Explanations Improves the Robustness of In-Context Learning
von: Honda, Ukyo, et al.
Veröffentlicht: (2025)

Navigating the Alignment-Calibration Trade-off: A Pareto-Superior Frontier via Model Merging
von: Hu, Tiancheng, et al.
Veröffentlicht: (2025)

Debiasing Text Safety Classifiers through a Fairness-Aware Ensemble
von: Sturman, Olivia, et al.
Veröffentlicht: (2024)

Autonomous Data Selection with Zero-shot Generative Classifiers for Mathematical Texts
von: Zhang, Yifan, et al.
Veröffentlicht: (2024)

Towards LLM-guided Causal Explainability for Black-box Text Classifiers
von: Bhattacharjee, Amrita, et al.
Veröffentlicht: (2023)

Towards Interpretable Hate Speech Detection using Large Language Model-extracted Rationales
von: Nirmal, Ayushi, et al.
Veröffentlicht: (2024)

Structural Rationale Distillation via Reasoning Space Compression
von: Yang, Jialin, et al.
Veröffentlicht: (2026)

Reasoning Distillation and Structural Alignment for Improved Code Generation
von: Jalilifard, Amir, et al.
Veröffentlicht: (2025)

Probabilistically Plausible Counterfactual Explanations with Normalizing Flows
von: Wielopolski, Patryk, et al.
Veröffentlicht: (2024)

Contrast-CAT: Contrasting Activations for Enhanced Interpretability in Transformer-based Text Classifiers
von: Han, Sungmin, et al.
Veröffentlicht: (2025)

Forest vs Tree: The $(N, K)$ Trade-off in Reproducible ML Evaluation
von: Pandita, Deepak, et al.
Veröffentlicht: (2025)

Rule2Text: Natural Language Explanation of Logical Rules in Knowledge Graphs
von: Shirvani-Mahdavi, Nasim, et al.
Veröffentlicht: (2025)

SaySelf: Teaching LLMs to Express Confidence with Self-Reflective Rationales
von: Xu, Tianyang, et al.
Veröffentlicht: (2024)

Generating Plausible Distractors for Multiple-Choice Questions via Student Choice Prediction
von: Lee, Yooseop, et al.
Veröffentlicht: (2025)

Navigating Cultural Chasms: Exploring and Unlocking the Cultural POV of Text-To-Image Models
von: Ventura, Mor, et al.
Veröffentlicht: (2023)

Empirical Characterization of Rationale Stability Under Controlled Perturbations for Explainable Pattern Recognition
von: Sakib, Abu Noman Md, et al.
Veröffentlicht: (2026)

Unpacking Tokenization: Evaluating Text Compression and its Correlation with Model Performance
von: Goldman, Omer, et al.
Veröffentlicht: (2024)

Self-Training Meets Consistency: Improving LLMs' Reasoning with Consistency-Driven Rationale Evaluation
von: Lee, Jaehyeok, et al.
Veröffentlicht: (2024)

CELL your Model: Contrastive Explanations for Large Language Models
von: Luss, Ronny, et al.
Veröffentlicht: (2024)

Binary Classifier Optimization for Large Language Model Alignment
von: Jung, Seungjae, et al.
Veröffentlicht: (2024)

Provably Robust and Plausible Counterfactual Explanations for Neural Networks via Robust Optimisation
von: Jiang, Junqi, et al.
Veröffentlicht: (2023)

Towards Consistent Natural-Language Explanations via Explanation-Consistency Finetuning
von: Chen, Yanda, et al.
Veröffentlicht: (2024)

Learning Using Generated Privileged Information by Text-to-Image Diffusion Models
von: Menadil, Rafael-Edy, et al.
Veröffentlicht: (2023)

FaithLM: Towards Faithful Explanations for Large Language Models
von: Chuang, Yu-Neng, et al.
Veröffentlicht: (2024)

Walk the Talk? Measuring the Faithfulness of Large Language Model Explanations
von: Matton, Katie, et al.
Veröffentlicht: (2025)