Buchumschlag

Empirical influence functions to understand the logic of fine-tuning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Matelsky, Jordan K., Ungar, Lyle, Kording, Konrad P.
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

Partially Observed Structural Causal Models
von: Orujlu, Turan, et al.
Veröffentlicht: (2026)

Does Object Binding Naturally Emerge in Large Pretrained Vision Transformers?
von: Li, Yihao, et al.
Veröffentlicht: (2025)

Grounding Intelligence in Movement
von: Segado, Melanie, et al.
Veröffentlicht: (2025)

Causality in the human niche: lessons for machine learning
von: Lange, Richard D., et al.
Veröffentlicht: (2025)

Correctness-Optimized Residual Activation Lens (CORAL): Transferrable and Calibration-Aware Inference-Time Steering
von: Miao, Miranda Muqing, et al.
Veröffentlicht: (2026)

A Scalable, Causal, and Energy Efficient Framework for Neural Decoding with Spiking Neural Networks
von: Mentzelopoulos, Georgios, et al.
Veröffentlicht: (2025)

Who Does What in Deep Learning? Multidimensional Game-Theoretic Attribution of Function of Neural Units
von: Dixit, Shrey, et al.
Veröffentlicht: (2025)

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

Learning from models beyond fine-tuning
von: Zheng, Hongling, et al.
Veröffentlicht: (2023)

Contrastive Conceptor Activation Steering (COAST): Unlocking Vision-Language-Action Models through Hidden States
von: Miao, Miranda Muqing, et al.
Veröffentlicht: (2026)

Train on Validation (ToV): Fast data selection with applications to fine-tuning
von: Jain, Ayush, et al.
Veröffentlicht: (2025)

Preserving logical and functional dependencies in synthetic tabular data
von: Umesh, Chaithra, et al.
Veröffentlicht: (2024)

Jal Anveshak: Prediction of fishing zones using fine-tuned LlaMa 2
von: Mejari, Arnav, et al.
Veröffentlicht: (2024)

LIFT: Interpretable truck driving risk prediction with literature-informed fine-tuned LLMs
von: Hu, Xiao, et al.
Veröffentlicht: (2025)

Rethinking Reinforcement fine-tuning of LLMs: A Multi-armed Bandit Learning Perspective
von: Hu, Xiao, et al.
Veröffentlicht: (2026)

Entropy-guided sequence weighting for efficient exploration in RL-based LLM fine-tuning
von: Vanlioglu, Abdullah
Veröffentlicht: (2025)

The Impact of Language Mixing on Bilingual LLM Reasoning
von: Li, Yihao, et al.
Veröffentlicht: (2025)

Efficient and Private: Memorisation under differentially private parameter-efficient fine-tuning in language models
von: Ma, Olivia, et al.
Veröffentlicht: (2024)

Scores as Actions: a framework of fine-tuning diffusion models by continuous-time reinforcement learning
von: Zhao, Hanyang, et al.
Veröffentlicht: (2024)

Open-weight genome language model safeguards: Assessing robustness via adversarial fine-tuning
von: Black, James R. M., et al.
Veröffentlicht: (2025)

Rethinking harmless refusals when fine-tuning foundation models
von: Pop, Florin, et al.
Veröffentlicht: (2024)

Uncertainty quantification in fine-tuned LLMs using LoRA ensembles
von: Balabanov, Oleksandr, et al.
Veröffentlicht: (2024)

GeoLoRA: Geometric integration for parameter efficient fine-tuning
von: Schotthöfer, Steffen, et al.
Veröffentlicht: (2024)

FLoRA: Fused forward-backward adapters for parameter efficient fine-tuning and reducing inference-time latencies of LLMs
von: Gowda, Dhananjaya, et al.
Veröffentlicht: (2025)

Improving embedding with contrastive fine-tuning on small datasets with expert-augmented scores
von: Lu, Jun, et al.
Veröffentlicht: (2024)

Overcoming systematic softening in universal machine learning interatomic potentials by fine-tuning
von: Deng, Bowen, et al.
Veröffentlicht: (2024)

The devil is in the fine-grained details: Evaluating open-vocabulary object detectors for fine-grained understanding
von: Bianchi, Lorenzo, et al.
Veröffentlicht: (2023)

Improving fine-grained understanding in image-text pre-training
von: Bica, Ioana, et al.
Veröffentlicht: (2024)

AdaGradSelect: An adaptive gradient-guided layer selection method for efficient fine-tuning of SLMs
von: Kumar, Anshul, et al.
Veröffentlicht: (2025)

Detecting labeling bias using influence functions
von: Jørgensen, Frida, et al.
Veröffentlicht: (2026)

Evolutionary fine tuning of quantized convolution-based deep learning models
von: Pietroń, Marcin
Veröffentlicht: (2026)

LegalPro-BERT: Classification of Legal Provisions by fine-tuning BERT Large Language Model
von: Tewari, Amit
Veröffentlicht: (2024)

Symmetry breaking for inductive logic programming
von: Cropper, Andrew, et al.
Veröffentlicht: (2025)

An introduction to graphical tensor notation for mechanistic interpretability
von: Taylor, Jordan K.
Veröffentlicht: (2024)

Investigating the performance of Retrieval-Augmented Generation and fine-tuning for the development of AI-driven knowledge-based systems
von: Lakatos, Robert, et al.
Veröffentlicht: (2024)

Physics-informed fine-tuning of foundation models for partial differential equations
von: Medvedev, Vlad, et al.
Veröffentlicht: (2026)

Visual RAG: Expanding MLLM visual knowledge without fine-tuning
von: Bonomo, Mirco, et al.
Veröffentlicht: (2025)

Honey, I shrunk the hypothesis space (through logical preprocessing)
von: Cropper, Andrew, et al.
Veröffentlicht: (2025)

Re-understanding Graph Unlearning through Memorization
von: Ding, Pengfei, et al.
Veröffentlicht: (2026)

The FIX Benchmark: Extracting Features Interpretable to eXperts
von: Jin, Helen, et al.
Veröffentlicht: (2024)