Copertina

Variational Inference Failures Under Model Symmetries: Permutation Invariant Posteriors for Bayesian Neural Networks

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Gelberg, Yoav, van der Ouderaa, Tycho F. A., van der Wilk, Mark, Gal, Yarin
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

Noether's razor: Learning Conserved Quantities
di: van der Ouderaa, Tycho F. A., et al.
Pubblicazione: (2024)

Symmetry Guarantees Statistic Recovery in Variational Inference
di: Marks, Daniel, et al.
Pubblicazione: (2026)

Leech Lattice Vector Quantization for Efficient LLM Compression
di: van der Ouderaa, Tycho F. A., et al.
Pubblicazione: (2026)

The Neural Tangent Kernel for Classification
di: Plenk, Jonathan, et al.
Pubblicazione: (2026)

Training Transformers for KV Cache Compressibility
di: Gelberg, Yoav, et al.
Pubblicazione: (2026)

Pyramid Vector Quantization for LLMs
di: van der Ouderaa, Tycho F. A., et al.
Pubblicazione: (2024)

Bivariate Causal Discovery using Bayesian Model Selection
di: Dhir, Anish, et al.
Pubblicazione: (2023)

The LLM Surgeon
di: van der Ouderaa, Tycho F. A., et al.
Pubblicazione: (2023)

SynDaCaTE: A Synthetic Dataset For Evaluating Part-Whole Hierarchical Inference
di: Levi, Jake, et al.
Pubblicazione: (2025)

Inverse-Free Sparse Variational Gaussian Processes
di: Cortinovis, Stefano, et al.
Pubblicazione: (2026)

Continuous Bayesian Model Selection for Multivariate Causal Discovery
di: Dhir, Anish, et al.
Pubblicazione: (2024)

A Meta-Learning Approach to Bayesian Causal Discovery
di: Dhir, Anish, et al.
Pubblicazione: (2024)

Adjusting Model Size in Continual Gaussian Processes: How Big is Big Enough?
di: Pescador-Barrios, Guiomar, et al.
Pubblicazione: (2024)

A Distributed Gaussian Process Model for Multi-Robot Mapping
di: Nabarro, Seth, et al.
Pubblicazione: (2026)

Iterative Deployment Improves Planning Skills in LLMs
di: Corrêa, Augusto B., et al.
Pubblicazione: (2025)

Learning in Deep Factor Graphs with Gaussian Belief Propagation
di: Nabarro, Seth, et al.
Pubblicazione: (2023)

System-Aware Neural ODE Processes for Few-Shot Bayesian Optimization
di: Qing, Jixiang, et al.
Pubblicazione: (2024)

Large-scale Score-based Variational Posterior Inference for Bayesian Deep Neural Networks
di: Kim, Minyoung
Pubblicazione: (2026)

Transfer Learning Bayesian Optimization to Design Competitor DNA Molecules for Use in Diagnostic Assays
di: Sedgwick, Ruby, et al.
Pubblicazione: (2024)

A Compact Representation for Bayesian Neural Networks By Removing Permutation Symmetry
di: Xiao, Tim Z., et al.
Pubblicazione: (2023)

Temporal-Difference Variational Continual Learning
di: Melo, Luckeciano C., et al.
Pubblicazione: (2024)

Targeted Deep Architectures: A TMLE-Based Framework for Robust Causal Inference in Neural Networks
di: Li, Yi, et al.
Pubblicazione: (2025)

Deep Bayesian Active Learning for Preference Modeling in Large Language Models
di: Melo, Luckeciano C., et al.
Pubblicazione: (2024)

Recommendations for Baselines and Benchmarking Approximate Gaussian Processes
di: Ober, Sebastian W., et al.
Pubblicazione: (2024)

A Study of Posterior Stability for Time-Series Latent Diffusion
di: Li, Yangming, et al.
Pubblicazione: (2024)

Learning on LoRAs: GL-Equivariant Processing of Low-Rank Weight Spaces for Large Finetuned Models
di: Putterman, Theo, et al.
Pubblicazione: (2024)

A Framework for Variational Inference of Lightweight Bayesian Neural Networks with Heteroscedastic Uncertainties
di: Schodt, David J., et al.
Pubblicazione: (2024)

Muon is Not That Special: Random or Inverted Spectra Work Just as Well
di: Shumaylov, Zakhar, et al.
Pubblicazione: (2026)

Training Bayesian Neural Networks with Sparse Subspace Variational Inference
di: Li, Junbo, et al.
Pubblicazione: (2024)

Transition Constrained Bayesian Optimization via Markov Decision Processes
di: Folch, Jose Pablo, et al.
Pubblicazione: (2024)

Robust Bayesian Inference via Variational Approximations of Generalized Rho-Posteriors
di: Khribch, EL Mahdi, et al.
Pubblicazione: (2026)

Rethinking Aleatoric and Epistemic Uncertainty
di: Smith, Freddie Bickford, et al.
Pubblicazione: (2024)

Deep Hierarchical Learning with Nested Subspace Networks for Large Language Models
di: Rauba, Paulius, et al.
Pubblicazione: (2025)

Posterior Inference on Shallow Infinitely Wide Bayesian Neural Networks under Weights with Unbounded Variance
di: Loría, Jorge, et al.
Pubblicazione: (2023)

Few-sample Variational Inference of Bayesian Neural Networks with Arbitrary Nonlinearities
di: Schodt, David J.
Pubblicazione: (2024)

Calibeating Prediction-Powered Inference
di: van der Laan, Lars, et al.
Pubblicazione: (2026)

On the Interplay of Priors and Overparametrization in Bayesian Neural Network Posteriors
di: Kobialka, Julius, et al.
Pubblicazione: (2026)

Hyperparameter Trajectory Inference with Conditional Lagrangian Optimal Transport
di: Amad, Harry, et al.
Pubblicazione: (2026)

Model Selection with Model Zoo via Graph Learning
di: Li, Ziyu, et al.
Pubblicazione: (2024)

Beyond Next Token Probabilities: Learnable, Fast Detection of Hallucinations and Data Contamination on LLM Output Distributions
di: Bar-Shalom, Guy, et al.
Pubblicazione: (2025)