Buchumschlag

Discovering influential text using convolutional neural networks

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Ayers, Megan, Sanford, Luke, Roberts, Margaret, Yang, Eddie
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computation and Language Machine Learning Methodology
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

(Mis)Fitting: A Survey of Scaling Laws
von: Li, Margaret, et al.
Veröffentlicht: (2025)

Central limit theorems for the outputs of fully convolutional neural networks with time series input
von: Betken, Annika, et al.
Veröffentlicht: (2026)

Leveraging text data for causal inference using electronic health records
von: Mozer, Reagan, et al.
Veröffentlicht: (2023)

Provably robust learning of regression neural networks using $β$-divergences
von: Ghosh, Abhik, et al.
Veröffentlicht: (2026)

Causal Graph Discovery with Retrieval-Augmented Generation based Large Language Models
von: Zhang, Yuzhe, et al.
Veröffentlicht: (2024)

Optimizing Language Models for Human Preferences is a Causal Inference Problem
von: Lin, Victoria, et al.
Veröffentlicht: (2024)

How to Evaluate Entity Resolution Systems: An Entity-Centric Framework with Application to Inventor Name Disambiguation
von: Binette, Olivier, et al.
Veröffentlicht: (2024)

CARL-GT: Evaluating Causal Reasoning Capabilities of Large Language Models
von: Tu, Ruibo, et al.
Veröffentlicht: (2024)

TWIN-GPT: Digital Twins for Clinical Trials via Large Language Model
von: Wang, Yue, et al.
Veröffentlicht: (2024)

Adaptive Contrastive Search: Uncertainty-Guided Decoding for Open-Ended Text Generation
von: Arias, Esteban Garces, et al.
Veröffentlicht: (2024)

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

Proximal Causal Inference With Text Data
von: Chen, Jacob M., et al.
Veröffentlicht: (2024)

MPO: An Efficient Post-Processing Framework for Mixing Diverse Preference Alignment
von: Wang, Tianze, et al.
Veröffentlicht: (2025)

Causal Representation Learning from Multimodal Clinical Records under Non-Random Modality Missingness
von: Liang, Zihan, et al.
Veröffentlicht: (2025)

MuPlon: Multi-Path Causal Optimization for Claim Verification through Controlling Confounding
von: Guo, Hanghui, et al.
Veröffentlicht: (2025)

LLMs as Implicit Imputers: Uncertainty Should Scale with Missing Information
von: van Buuren, Stef
Veröffentlicht: (2026)

The Illusion of Intervention: Your LLM-Simulated Experiment is an Observational Study
von: Lin, Victoria, et al.
Veröffentlicht: (2026)

Spiking the training data to correct for test set contamination
von: Wei, Johnny Tian-Zheng, et al.
Veröffentlicht: (2026)

LIDS: LLM Summary Inference Under the Layered Lens
von: Park, Dylan, et al.
Veröffentlicht: (2026)

Using Imperfect Surrogates for Downstream Inference: Design-based Supervised Learning for Social Science Applications of Large Language Models
von: Egami, Naoki, et al.
Veröffentlicht: (2023)

Learning Dynamic Representations and Policies from Multimodal Clinical Time-Series with Informative Missingness
von: Liang, Zihan, et al.
Veröffentlicht: (2026)

Optimal Estimation of Watermark Proportions in Hybrid AI-Human Texts
von: Li, Xiang, et al.
Veröffentlicht: (2025)

Zipf Distributions from Two-Stage Symbolic Processes: Stability Under Stochastic Lexical Filtering
von: Berman, Vladimir
Veröffentlicht: (2025)

Omitted Variable Bias in Language Models Under Distribution Shift
von: Lin, Victoria, et al.
Veröffentlicht: (2026)

Annotation Sensitivity: Training Data Collection Methods Affect Model Performance
von: Kern, Christoph, et al.
Veröffentlicht: (2023)

Stereographic Markov Chain Monte Carlo
von: Yang, Jun, et al.
Veröffentlicht: (2022)

Causal Inference on Outcomes Learned from Text
von: Modarressi, Iman, et al.
Veröffentlicht: (2025)

A Design-based Solution for Causal Inference with Text: Can a Language Model Be Too Large?
von: Tierney, Graham, et al.
Veröffentlicht: (2025)

Generative neural networks for characteristic functions
von: Brück, Florian
Veröffentlicht: (2024)

NLP-based detection of systematic anomalies among the narratives of consumer complaints
von: Gao, Peiheng, et al.
Veröffentlicht: (2023)

Adversarial Debiasing for Unbiased Parameter Recovery
von: Sanford, Luke C, et al.
Veröffentlicht: (2025)

ALCM: Autonomous LLM-Augmented Causal Discovery Framework
von: Khatibi, Elahe, et al.
Veröffentlicht: (2024)

A least distance estimator for a multivariate regression model using deep neural networks
von: Shin, Jungmin, et al.
Veröffentlicht: (2024)

Automatic debiasing of neural networks via moment-constrained learning
von: Hines, Christian L., et al.
Veröffentlicht: (2024)

Computing high-dimensional optimal transport by flow neural networks
von: Xu, Chen, et al.
Veröffentlicht: (2023)

Outlier-robust neural network training: variation regularization meets trimmed loss to prevent functional breakdown
von: Okuno, Akifumi, et al.
Veröffentlicht: (2023)

Debiasing Watermarks for Large Language Models via Maximal Coupling
von: Xie, Yangxinyu, et al.
Veröffentlicht: (2024)

Evaluating Interventional Reasoning Capabilities of Large Language Models
von: Kasetty, Tejas, et al.
Veröffentlicht: (2024)

AutoEval Done Right: Using Synthetic Data for Model Evaluation
von: Boyeau, Pierre, et al.
Veröffentlicht: (2024)

Efficient Exploration for LLMs
von: Dwaracherla, Vikranth, et al.
Veröffentlicht: (2024)