Buchumschlag

A Causal Framework for Evaluating Deferring Systems

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Palomba, Filippo, Pugnana, Andrea, Alvarez, José Manuel, Ruggieri, Salvatore
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Deep Neural Network Benchmarks for Selective Classification
von: Pugnana, Andrea, et al.
Veröffentlicht: (2024)

Bounded-Abstention Pairwise Learning to Rank
von: Ferrara, Antonio, et al.
Veröffentlicht: (2025)

A Practical Approach to Causal Inference over Time
von: Cinquini, Martina, et al.
Veröffentlicht: (2024)

Toward A Causal Framework for Modeling Perception
von: Alvarez, Jose M., et al.
Veröffentlicht: (2024)

Learning to Defer for Causal Discovery with Imperfect Experts
von: Clivio, Oscar, et al.
Veröffentlicht: (2025)

Concise and Logically Consistent Conformal Sets for Neuro-Symbolic Concept-Based Models
von: Bortolotti, Samuele, et al.
Veröffentlicht: (2026)

Divide et Calibra: Multiclass Local Calibration via Vector Quantization
von: Barbera, Cesare, et al.
Veröffentlicht: (2026)

Multiclass Local Calibration with the Jensen-Shannon Distance
von: Barbera, Cesare, et al.
Veröffentlicht: (2025)

A Unifying Post-Processing Framework for Multi-Objective Learn-to-Defer Problems
von: Charusaie, Mohammad-Amin, et al.
Veröffentlicht: (2024)

Disentangled Representations for Causal Cognition
von: Torresan, Filippo, et al.
Veröffentlicht: (2024)

Interpretable and Fair Mechanisms for Abstaining Classifiers
von: Lenders, Daphne, et al.
Veröffentlicht: (2025)

Cost-Sensitive Learning to Defer to Multiple Experts with Workload Constraints
von: Alves, Jean V., et al.
Veröffentlicht: (2024)

Learning to Defer: A Survey
von: Strong, Joshua, et al.
Veröffentlicht: (2025)

Deferring Concept Bottleneck Models: Learning to Defer Interventions to Inaccurate Experts
von: Pugnana, Andrea, et al.
Veröffentlicht: (2025)

A Causal Framework for Evaluating ICU Discharge Strategies
von: Simha, Sagar Nagaraj, et al.
Veröffentlicht: (2026)

Mutatis Mutandis: Revisiting the Comparator in Discrimination Testing
von: Alvarez, Jose M., et al.
Veröffentlicht: (2024)

Counterfactual Situation Testing: From Single to Multidimensional Discrimination
von: Alvarez, Jose M., et al.
Veröffentlicht: (2025)

Systems with Switching Causal Relations: A Meta-Causal Perspective
von: Willig, Moritz, et al.
Veröffentlicht: (2024)

The GECo algorithm for Graph Neural Networks Explanation
von: Calderaro, Salvatore, et al.
Veröffentlicht: (2024)

Causality for Tabular Data Synthesis: A High-Order Structure Causal Benchmark Framework
von: Tu, Ruibo, et al.
Veröffentlicht: (2024)

Counterfactual Situation Testing: Uncovering Discrimination under Fairness given the Difference
von: Alvarez, Jose M., et al.
Veröffentlicht: (2023)

Learning by Doing: An Online Causal Reinforcement Learning Framework with Causal-Aware Policy
von: Cai, Ruichu, et al.
Veröffentlicht: (2024)

Unlearn to Relearn Backdoors: Deferred Backdoor Functionality Attacks on Deep Learning Models
von: Shin, Jeongjin, et al.
Veröffentlicht: (2024)

A Distributionally Robust Framework for Nuisance in Causal Effect Estimation
von: Tanimoto, Akira
Veröffentlicht: (2025)

CausalProfiler: Generating Synthetic Benchmarks for Rigorous and Transparent Evaluation of Causal Machine Learning
von: Panayiotou, Panayiotis, et al.
Veröffentlicht: (2025)

Challenges and Considerations in the Evaluation of Bayesian Causal Discovery
von: Mamaghan, Amir Mohammad Karimi, et al.
Veröffentlicht: (2024)

IMPACTX: improving model performance by appropriately constraining the training with teacher explanations
von: Apicella, Andrea, et al.
Veröffentlicht: (2025)

A Framework for Feasible Counterfactual Exploration incorporating Causality, Sparsity and Density
von: Markou, Kleopatra, et al.
Veröffentlicht: (2024)

A Causal Framework to Measure and Mitigate Non-binary Treatment Discrimination
von: Majumdar, Ayan, et al.
Veröffentlicht: (2025)

FedDis: A Causal Disentanglement Framework for Federated Traffic Prediction
von: Zhou, Chengyang, et al.
Veröffentlicht: (2026)

A Scale-Adaptive Framework for Joint Spatiotemporal Super-Resolution with Diffusion Models
von: Defez, Max, et al.
Veröffentlicht: (2026)

Training and Evaluating Causal Forecasting Models for Time-Series
von: Crasson, Thomas, et al.
Veröffentlicht: (2024)

From Local to Cluster: A Unified Framework for Causal Discovery with Latent Variables
von: Li, Zongyu
Veröffentlicht: (2026)

A Recursive Decomposition Framework for Causal Structure Learning in the Presence of Latent Variables
von: Li, Zheng, et al.
Veröffentlicht: (2026)

Hierarchical Causal Abduction: A Foundation Framework for Explainable Model Predictive Control
von: Naagarajan, Ramesh Arvind, et al.
Veröffentlicht: (2026)

Learning to Defer in Congested Systems: The AI-Human Interplay
von: Lykouris, Thodoris, et al.
Veröffentlicht: (2024)

Relational Causal Discovery with Latent Confounders
von: Negro, Matteo, et al.
Veröffentlicht: (2025)

Efficient Ensemble Conditional Independence Test Framework for Causal Discovery
von: Guan, Zhengkang, et al.
Veröffentlicht: (2025)

Sparse-by-Design Cross-Modality Prediction: L0-Gated Representations for Reliable and Efficient Learning
von: Cenacchi, Filippo
Veröffentlicht: (2026)

CausalCompass: Evaluating the Robustness of Time-Series Causal Discovery in Misspecified Scenarios
von: Yi, Huiyang, et al.
Veröffentlicht: (2026)