Buchumschlag

Implicitly Guided Design with PropEn: Match your Data to Follow the Gradient

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Tagasovska, Nataša, Gligorijević, Vladimir, Cho, Kyunghyun, Loukas, Andreas
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

BOtied: Multi-objective Bayesian optimization with tied multivariate ranks
von: Park, Ji Won, et al.
Veröffentlicht: (2023)

Generalization within in silico screening
von: Loukas, Andreas, et al.
Veröffentlicht: (2023)

Generalizing to any diverse distribution: uniformity, gentle finetuning and rebalancing
von: Loukas, Andreas, et al.
Veröffentlicht: (2024)

MGDA-Decoupled: Geometry-Aware Multi-Objective Optimisation for DPO-based LLM Alignment
von: Vári-Kakas, Andor, et al.
Veröffentlicht: (2026)

AbDiffuser: Full-Atom Generation of in vitro Functioning Antibodies
von: Martinkus, Karolis, et al.
Veröffentlicht: (2023)

Antibody DomainBed: Out-of-Distribution Generalization in Therapeutic Protein Design
von: Tagasovska, Nataša, et al.
Veröffentlicht: (2024)

Protein Discovery with Discrete Walk-Jump Sampling
von: Frey, Nathan C., et al.
Veröffentlicht: (2023)

A Brief Introduction to Causal Inference in Machine Learning
von: Cho, Kyunghyun
Veröffentlicht: (2024)

Machine Learning: a Lecture Note
von: Cho, Kyunghyun
Veröffentlicht: (2025)

Why Alignment Must Precede Distillation: A Minimal Working Explanation
von: Cha, Sungmin, et al.
Veröffentlicht: (2025)

Why Knowledge Distillation Works in Generative Models: A Minimal Working Explanation
von: Cha, Sungmin, et al.
Veröffentlicht: (2025)

Supervised Contrastive Block Disentanglement
von: Makino, Taro, et al.
Veröffentlicht: (2025)

Generalists vs. Specialists: Evaluating LLMs on Highly-Constrained Biophysical Sequence Optimization Tasks
von: Chen, Angelica, et al.
Veröffentlicht: (2024)

Location Aware Embedding for Geotargeting in Sponsored Search Advertising
von: Gligorijevic, Jelena, et al.
Veröffentlicht: (2026)

Non-convolutional Graph Neural Networks
von: Wang, Yuanqing, et al.
Veröffentlicht: (2024)

Meta-Statistical Learning: Supervised Learning of Statistical Estimators
von: Peyrard, Maxime, et al.
Veröffentlicht: (2025)

Active and Passive Causal Inference Learning
von: Im, Daniel Jiwoong, et al.
Veröffentlicht: (2023)

Follow the Mean: Reference-Guided Flow Matching
von: Curvo, Pedro M. P., et al.
Veröffentlicht: (2026)

Hyperparameters in Continual Learning: A Reality Check
von: Cha, Sungmin, et al.
Veröffentlicht: (2024)

None To Optima in Few Shots: Bayesian Optimization with MDP Priors
von: Li, Diantong, et al.
Veröffentlicht: (2025)

Regularizing with Pseudo-Negatives for Continual Self-Supervised Learning
von: Cha, Sungmin, et al.
Veröffentlicht: (2023)

The Implicit Bias of Gradient Descent on Separable Data
von: Soudry, Daniel, et al.
Veröffentlicht: (2017)

Convergence and Implicit Bias of Gradient Descent on Continual Linear Classification
von: Jung, Hyunji, et al.
Veröffentlicht: (2025)

Uncertainty modeling for fine-tuned implicit functions
von: Susmelj, Anna, et al.
Veröffentlicht: (2024)

Semiparametric conformal prediction
von: Park, Ji Won, et al.
Veröffentlicht: (2024)

The Implicit Bias of Gradient Descent on Separable Multiclass Data
von: Ravi, Hrithik, et al.
Veröffentlicht: (2024)

Efficient semantic uncertainty quantification in language models via diversity-steered sampling
von: Park, Ji Won, et al.
Veröffentlicht: (2025)

Show Your Work with Confidence: Confidence Bands for Tuning Curves
von: Lourie, Nicholas, et al.
Veröffentlicht: (2023)

Hyperparameter Loss Surfaces Are Simple Near their Optima
von: Lourie, Nicholas, et al.
Veröffentlicht: (2025)

Learning Concave Bid Shading Strategies in Online Auctions via Measure-valued Proximal Optimization
von: Nodozi, Iman, et al.
Veröffentlicht: (2025)

Training Greedy Policy for Proposal Batch Selection in Expensive Multi-Objective Combinatorial Optimization
von: Lee, Deokjae, et al.
Veröffentlicht: (2024)

Scaling Laws Are Unreliable for Downstream Tasks: A Reality Check
von: Lourie, Nicholas, et al.
Veröffentlicht: (2025)

On the Relationship Between the Choice of Representation and In-Context Learning
von: Marinescu, Ioana, et al.
Veröffentlicht: (2025)

Multi-modal Data Spectrum: Multi-modal Datasets are Multi-dimensional
von: Madaan, Divyam, et al.
Veröffentlicht: (2025)

Large-Scale Targeted Cause Discovery via Learning from Simulated Data
von: Kim, Jang-Hyun, et al.
Veröffentlicht: (2024)

Deep Autoregressive Models as Causal Inference Engines
von: Im, Daniel Jiwoong, et al.
Veröffentlicht: (2024)

Latent State Models of Training Dynamics
von: Hu, Michael Y., et al.
Veröffentlicht: (2023)

Reference-Specific Unlearning Metrics Can Hide the Truth: A Reality Check
von: Cho, Sungjun, et al.
Veröffentlicht: (2025)

Forget Forgetting: Continual Learning in a World of Abundant Memory
von: Cho, Dongkyu, et al.
Veröffentlicht: (2025)

Language Models as Causal Effect Generators
von: Bynum, Lucius E. J., et al.
Veröffentlicht: (2024)