Copertina

MixMax: Distributional Robustness in Function Space via Optimal Data Mixtures

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Thudi, Anvith, Maddison, Chris J.
Natura:	Preprint
Pubblicazione:	2024
Soggetti:	Machine Learning
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

MixMin: Finding Data Mixtures via Convex Minimization
di: Thudi, Anvith, et al.
Pubblicazione: (2025)

Fast Exact Unlearning for In-Context Learning Data for LLMs
di: Muresanu, Andrei I., et al.
Pubblicazione: (2024)

Gradients Look Alike: Sensitivity is Often Overestimated in DP-SGD
di: Thudi, Anvith, et al.
Pubblicazione: (2023)

Efficient Public Verification of Private ML via Regularization
di: Bell, Zoë Ruha, et al.
Pubblicazione: (2025)

Selective Prediction via Training Dynamics
di: Rabanser, Stephan, et al.
Pubblicazione: (2022)

Gauss-Newton Unlearning for the LLM Era
di: McKinney, Lev, et al.
Pubblicazione: (2026)

Predicting Large Model Test Losses with a Noisy Quadratic System
di: Li, Chuning, et al.
Pubblicazione: (2026)

Leveraging Per-Instance Privacy for Machine Unlearning
di: Sepahvand, Nazanin Mohammadi, et al.
Pubblicazione: (2025)

MaD-Mix: Multi-Modal Data Mixtures via Latent Space Coupling for Vision-Language Model Training
di: Xie, Wanyun, et al.
Pubblicazione: (2026)

Learning Optimal Distributionally Robust Stochastic Control in Continuous State Spaces
di: Wang, Shengbo, et al.
Pubblicazione: (2024)

Sequential Function-Space Variational Inference via Gaussian Mixture Approximation
di: Zhu, Menghao Waiyan William, et al.
Pubblicazione: (2025)

Distribution-Free Robust Predict-Then-Optimize in Function Spaces
di: Patel, Yash, et al.
Pubblicazione: (2026)

Scaling Laws for Optimal Data Mixtures
di: Shukor, Mustafa, et al.
Pubblicazione: (2025)

Observational Scaling Laws and the Predictability of Language Model Performance
di: Ruan, Yangjun, et al.
Pubblicazione: (2024)

Bayesian Sensitivity of Causal Inference Estimators under Evidence-Based Priors
di: Dhawan, Nikita, et al.
Pubblicazione: (2026)

A Geometric Analysis of PCA
di: Hanchi, Ayoub El, et al.
Pubblicazione: (2025)

Experts Don't Cheat: Learning What You Don't Know By Predicting Pairs
di: Johnson, Daniel D., et al.
Pubblicazione: (2024)

Optimal Approximation -- Smoothness Tradeoffs for Soft-Max Functions
di: Epasto, Alessandro, et al.
Pubblicazione: (2020)

End-To-End Causal Effect Estimation from Unstructured Natural Language Data
di: Dhawan, Nikita, et al.
Pubblicazione: (2024)

Minimax Linear Regression under the Quantile Risk
di: Hanchi, Ayoub El, et al.
Pubblicazione: (2024)

On the Efficiency of ERM in Feature Learning
di: Hanchi, Ayoub El, et al.
Pubblicazione: (2024)

Locally Near Optimal Piecewise Linear Regression in High Dimensions via Difference of Max-Affine Functions
di: Kanj, Haitham, et al.
Pubblicazione: (2026)

MergeMix: Optimizing Mid-Training Data Mixtures via Learnable Model Merging
di: Wang, Jiapeng, et al.
Pubblicazione: (2026)

Learning Optimal Distributionally Robust Individualized Treatment Rules Integrating Multi-Source Data
di: Cui, Wenhai, et al.
Pubblicazione: (2026)

MaxSketch: Robust Distinct Counting in Streams via Random Projections
di: Tsikouras, Nikos, et al.
Pubblicazione: (2026)

Reasoning to Learn from Latent Thoughts
di: Ruan, Yangjun, et al.
Pubblicazione: (2025)

Unifying Distributionally Robust Optimization via Optimal Transport Theory
di: Blanchet, Jose, et al.
Pubblicazione: (2023)

Optimal Complexity in Byzantine-Robust Distributed Stochastic Optimization with Data Heterogeneity
di: Shi, Qiankun, et al.
Pubblicazione: (2025)

Mixture-of-Experts for Distributed Edge Computing with Channel-Aware Gating Function
di: Song, Qiuchen, et al.
Pubblicazione: (2025)

Re-Mix: Optimizing Data Mixtures for Large Scale Imitation Learning
di: Hejna, Joey, et al.
Pubblicazione: (2024)

Energy-Based Modelling for Discrete and Mixed Data via Heat Equations on Structured Spaces
di: Schröder, Tobias, et al.
Pubblicazione: (2024)

Causal Risk Minimization for High-Dimensional Treatments
di: Dhawan, Nikita, et al.
Pubblicazione: (2026)

Distributionally Robust Reinforcement Learning with Interactive Data Collection: Fundamental Hardness and Near-Optimal Algorithm
di: Lu, Miao, et al.
Pubblicazione: (2024)

Stochastic Optimal Control for Diffusion Bridges in Function Spaces
di: Park, Byoungwoo, et al.
Pubblicazione: (2024)

Function-Space Optimality of Neural Architectures with Multivariate Nonlinearities
di: Parhi, Rahul, et al.
Pubblicazione: (2023)

Linear Mixture Distributionally Robust Markov Decision Processes
di: Liu, Zhishuai, et al.
Pubblicazione: (2025)

Optimal Transport Aggregation for Distributed Mixture-of-Experts
di: Chamroukhi, Faïcel, et al.
Pubblicazione: (2023)

Distributionally Robust Optimization via Iterative Algorithms in Continuous Probability Spaces
di: Zhu, Linglingzhi, et al.
Pubblicazione: (2024)

Be More Diverse than the Most Diverse: Optimal Mixtures of Generative Models via Mixture-UCB Bandit Algorithms
di: Rezaei, Parham, et al.
Pubblicazione: (2024)

On the Hardness of Sampling from Mixture Distributions via Langevin Dynamics
di: Cheng, Xiwei, et al.
Pubblicazione: (2024)