Copertina

AIM: Attributing, Interpreting, Mitigating Data Unfairness

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Liu, Zhining, Qiu, Ruizhong, Zeng, Zhichen, Zhu, Yada, Hamann, Hendrik, Tong, Hanghang
Natura:	Preprint
Pubblicazione:	2024
Soggetti:	Machine Learning Artificial Intelligence
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Breaking Silos: Adaptive Model Fusion Unlocks Better Time Series Forecasting
di: Liu, Zhining, et al.
Pubblicazione: (2025)

Class-Imbalanced Graph Learning without Class Rebalancing
di: Liu, Zhining, et al.
Pubblicazione: (2023)

CLIMB: Class-imbalanced Learning Benchmark on Tabular Data
di: Liu, Zhining, et al.
Pubblicazione: (2025)

CATS: Mitigating Correlation Shift for Multivariate Time Series Classification
di: Lin, Xiao, et al.
Pubblicazione: (2025)

BACKTIME: Backdoor Attacks on Multivariate Time Series Forecasting
di: Lin, Xiao, et al.
Pubblicazione: (2024)

Hierarchical Multi-Marginal Optimal Transport for Network Alignment
di: Zeng, Zhichen, et al.
Pubblicazione: (2023)

Language in the Flow of Time: Time-Series-Paired Texts Weaved into a Unified Temporal Narrative
di: Li, Zihao, et al.
Pubblicazione: (2025)

ClimateBench-M: A Multi-Modal Climate Data Benchmark with a Simple Generative Method
di: Fu, Dongqi, et al.
Pubblicazione: (2025)

Graph homophily booster: Reimagining the role of discrete features in heterophilic graph learning
di: Qiu, Ruizhong, et al.
Pubblicazione: (2026)

How Efficient is LLM-Generated Code? A Rigorous & High-Standard Benchmark
di: Qiu, Ruizhong, et al.
Pubblicazione: (2024)

Matcha: Mitigating Graph Structure Shifts with Test-Time Adaptation
di: Bao, Wenxuan, et al.
Pubblicazione: (2024)

Hierarchical LoRA MoE for Efficient CTR Model Scaling
di: Zeng, Zhichen, et al.
Pubblicazione: (2025)

Saffron-1: Safety Inference Scaling
di: Qiu, Ruizhong, et al.
Pubblicazione: (2025)

PLANETALIGN: A Comprehensive Python Library for Benchmarking Network Alignment
di: Yu, Qi, et al.
Pubblicazione: (2025)

Gradient Compressed Sensing: A Query-Efficient Gradient Estimator for High-Dimensional Zeroth-Order Optimization
di: Qiu, Ruizhong, et al.
Pubblicazione: (2024)

Flow Matching Meets Biology and Life Science: A Survey
di: Li, Zihao, et al.
Pubblicazione: (2025)

AvAtar: Learning to Align via Active Optimal Transport
di: Yu, Qi, et al.
Pubblicazione: (2026)

Neural Active Learning Beyond Bandits
di: Ban, Yikun, et al.
Pubblicazione: (2024)

Joint Optimal Transport and Embedding for Network Alignment
di: Yu, Qi, et al.
Pubblicazione: (2025)

Graph Data Selection for Domain Adaptation: A Model-Free Approach
di: Li, Ting-Wei, et al.
Pubblicazione: (2025)

PowerGrow: Feasible Co-Growth of Structures and Dynamics for Power Grid Synthesis
di: He, Xinyu, et al.
Pubblicazione: (2025)

Mem-Gallery: Benchmarking Multimodal Long-Term Conversational Memory for MLLM Agents
di: Bei, Yuanchen, et al.
Pubblicazione: (2026)

Ensuring User-side Fairness in Dynamic Recommender Systems
di: Yoo, Hyunsik, et al.
Pubblicazione: (2023)

ALERT: Zero-shot LLM Jailbreak Detection via Internal Discrepancy Amplification
di: Lin, Xiao, et al.
Pubblicazione: (2026)

PyG-SSL: A Graph Self-Supervised Learning Toolkit
di: Zheng, Lecheng, et al.
Pubblicazione: (2024)

Mitigating Unfairness via Evolutionary Multi-objective Ensemble Learning
di: Zhang, Qingquan, et al.
Pubblicazione: (2022)

Quanda: An Interpretability Toolkit for Training Data Attribution Evaluation and Beyond
di: Bareeva, Dilyara, et al.
Pubblicazione: (2024)

AIM: Software and Hardware Co-design for Architecture-level IR-drop Mitigation in High-performance PIM
di: Zhang, Yuanpeng, et al.
Pubblicazione: (2025)

Recursive Multi-Agent Systems
di: Yang, Xiyuan, et al.
Pubblicazione: (2026)

Addressing Polarization and Unfairness in Performative Prediction
di: Jin, Kun, et al.
Pubblicazione: (2024)

On the Cause of Unfairness: A Training Sample Perspective
di: Yao, Yuanshun, et al.
Pubblicazione: (2023)

Enhancing Model Interpretability with Local Attribution over Global Exploration
di: Zhu, Zhiyu, et al.
Pubblicazione: (2024)

On the Generalization Capability of Temporal Graph Learning Algorithms: Theoretical Insights and a Simpler Method
di: Cong, Weilin, et al.
Pubblicazione: (2024)

Neural Predictive Control to Coordinate Discrete- and Continuous-Time Models for Time-Series Analysis with Control-Theoretical Improvements
di: Li, Haoran, et al.
Pubblicazione: (2025)

Revisiting Data Attribution for Influence Functions
di: Zhu, Hongbo, et al.
Pubblicazione: (2025)

Geometric-disentangelment Unlearning
di: Zhou, Duo, et al.
Pubblicazione: (2025)

Towards Unified Attribution in Explainable AI, Data-Centric AI, and Mechanistic Interpretability
di: Zhang, Shichang, et al.
Pubblicazione: (2025)

Concept Influence: Leveraging Interpretability to Improve Performance and Efficiency in Training Data Attribution
di: Kowal, Matthew, et al.
Pubblicazione: (2026)

Probe-Based Data Attribution: Discovering and Mitigating Undesirable Behaviors in LLM Post-Training
di: Xiao, Frank, et al.
Pubblicazione: (2026)

Ask, and it shall be given: On the Turing completeness of prompting
di: Qiu, Ruizhong, et al.
Pubblicazione: (2024)