:: Library Catalog

Copertina

Salvato in:

Dettagli Bibliografici
Autori principali:	Loukas, Andreas, Martinkus, Karolis, Wagstaff, Ed, Cho, Kyunghyun
Natura:	Preprint
Pubblicazione:	2024
Soggetti:	Machine Learning
Accesso online:	https://arxiv.org/abs/2410.05980
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

AbDiffuser: Full-Atom Generation of in vitro Functioning Antibodies
di: Martinkus, Karolis, et al.
Pubblicazione: (2023)

Efficient and Scalable Graph Generation through Iterative Local Expansion
di: Bergmeister, Andreas, et al.
Pubblicazione: (2023)

Implicitly Guided Design with PropEn: Match your Data to Follow the Gradient
di: Tagasovska, Nataša, et al.
Pubblicazione: (2024)

A Brief Introduction to Causal Inference in Machine Learning
di: Cho, Kyunghyun
Pubblicazione: (2024)

Machine Learning: a Lecture Note
di: Cho, Kyunghyun
Pubblicazione: (2025)

Efficient semantic uncertainty quantification in language models via diversity-steered sampling
di: Park, Ji Won, et al.
Pubblicazione: (2025)

Why Knowledge Distillation Works in Generative Models: A Minimal Working Explanation
di: Cha, Sungmin, et al.
Pubblicazione: (2025)

Why Alignment Must Precede Distillation: A Minimal Working Explanation
di: Cha, Sungmin, et al.
Pubblicazione: (2025)

Non-convolutional Graph Neural Networks
di: Wang, Yuanqing, et al.
Pubblicazione: (2024)

Meta-Statistical Learning: Supervised Learning of Statistical Estimators
di: Peyrard, Maxime, et al.
Pubblicazione: (2025)

Active and Passive Causal Inference Learning
di: Im, Daniel Jiwoong, et al.
Pubblicazione: (2023)

Unified all-atom molecule generation with neural fields
di: Kirchmeyer, Matthieu, et al.
Pubblicazione: (2025)

Hyperparameters in Continual Learning: A Reality Check
di: Cha, Sungmin, et al.
Pubblicazione: (2024)

Language Models as Causal Effect Generators
di: Bynum, Lucius E. J., et al.
Pubblicazione: (2024)

Temporal Generalization: A Reality Check
di: Madaan, Divyam, et al.
Pubblicazione: (2025)

Generalization within in silico screening
di: Loukas, Andreas, et al.
Pubblicazione: (2023)

None To Optima in Few Shots: Bayesian Optimization with MDP Priors
di: Li, Diantong, et al.
Pubblicazione: (2025)

Regularizing with Pseudo-Negatives for Continual Self-Supervised Learning
di: Cha, Sungmin, et al.
Pubblicazione: (2023)

Conformation-Aware Structure Prediction of Antigen-Recognizing Immune Proteins
di: Dreyer, Frédéric A., et al.
Pubblicazione: (2025)

Semiparametric conformal prediction
di: Park, Ji Won, et al.
Pubblicazione: (2024)

Show Your Work with Confidence: Confidence Bands for Tuning Curves
di: Lourie, Nicholas, et al.
Pubblicazione: (2023)

Hyperparameter Loss Surfaces Are Simple Near their Optima
di: Lourie, Nicholas, et al.
Pubblicazione: (2025)

Do we need rebalancing strategies? A theoretical and empirical study around SMOTE and its variants
di: Sakho, Abdoulaye, et al.
Pubblicazione: (2024)

Training Greedy Policy for Proposal Batch Selection in Expensive Multi-Objective Combinatorial Optimization
di: Lee, Deokjae, et al.
Pubblicazione: (2024)

Scaling Laws Are Unreliable for Downstream Tasks: A Reality Check
di: Lourie, Nicholas, et al.
Pubblicazione: (2025)

On the Relationship Between the Choice of Representation and In-Context Learning
di: Marinescu, Ioana, et al.
Pubblicazione: (2025)

Low-rank finetuning for LLMs: A fairness perspective
di: Das, Saswat, et al.
Pubblicazione: (2024)

Forget Forgetting: Continual Learning in a World of Abundant Memory
di: Cho, Dongkyu, et al.
Pubblicazione: (2025)

Inductive biases of multi-task learning and finetuning: multiple regimes of feature reuse
di: Lippl, Samuel, et al.
Pubblicazione: (2023)

RL-finetuning LLMs from on- and off-policy data with a single algorithm
di: Tang, Yunhao, et al.
Pubblicazione: (2025)

Characterizing the Predictive Impact of Modalities with Supervised Latent-Variable Modeling
di: Madaan, Divyam, et al.
Pubblicazione: (2026)

Deep Autoregressive Models as Causal Inference Engines
di: Im, Daniel Jiwoong, et al.
Pubblicazione: (2024)

Latent State Models of Training Dynamics
di: Hu, Michael Y., et al.
Pubblicazione: (2023)

Reference-Specific Unlearning Metrics Can Hide the Truth: A Reality Check
di: Cho, Sungjun, et al.
Pubblicazione: (2025)

Protein Discovery with Discrete Walk-Jump Sampling
di: Frey, Nathan C., et al.
Pubblicazione: (2023)

ReMix: Reinforcement routing for mixtures of LoRAs in LLM finetuning
di: Qiu, Ruizhong, et al.
Pubblicazione: (2026)

PreFT: Prefill-only finetuning for efficient inference
di: Lanpouthakoun, Andrew, et al.
Pubblicazione: (2026)

Training Dynamics of Learning 3D-Rotational Equivariance
di: Shen, Max W., et al.
Pubblicazione: (2025)

Realistic Handwritten Multi-Digit Writer (MDW) Number Recognition Challenges
di: Wagstaff, Kiri L.
Pubblicazione: (2025)

BadGPT-4o: stripping safety finetuning from GPT models
di: Krupkina, Ekaterina, et al.
Pubblicazione: (2024)