Buchumschlag

Distributionally Robust Performative Prediction

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Xue, Songkai, Sun, Yuekai
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Learning the Distribution Map in Reverse Causal Performative Prediction
von: Bracale, Daniele, et al.
Veröffentlicht: (2024)

Algorithmic Fairness in Performative Policy Learning: Escaping the Impossibility of Group Fairness
von: Somerstep, Seamus, et al.
Veröffentlicht: (2024)

Minimax Regret Learning for Data with Heterogeneous Subgroups
von: Mo, Weibin, et al.
Veröffentlicht: (2024)

Likelihood-Free Estimation for Spatiotemporal Hawkes processes with missing data and application to predictive policing
von: Das, Pramit, et al.
Veröffentlicht: (2025)

Microfoundation Inference for Strategic Prediction
von: Bracale, Daniele, et al.
Veröffentlicht: (2024)

Learning to Choose or Choosing to Learn: Best-of-N vs. Supervised Fine-Tuning for Bit String Generation
von: Somerstep, Seamus, et al.
Veröffentlicht: (2025)

Weak Supervision Performance Evaluation via Partial Identification
von: Polo, Felipe Maia, et al.
Veröffentlicht: (2023)

Maximin Relative Improvement: Fair Learning as a Bargaining Problem
von: Han, Jiwoo, et al.
Veröffentlicht: (2026)

Prompt Exploration with Prompt Regression
von: Feffer, Michael, et al.
Veröffentlicht: (2024)

Dynamic Pricing in the Linear Valuation Model using Shape Constraints
von: Bracale, Daniele, et al.
Veröffentlicht: (2025)

Learning In Reverse Causal Strategic Environments With Ramifications on Two Sided Markets
von: Somerstep, Seamus, et al.
Veröffentlicht: (2024)

Robust Length Prediction: A Perspective from Heavy-Tailed Prompt-Conditioned Distributions
von: Wang, Jing, et al.
Veröffentlicht: (2026)

Revenue Maximization Under Sequential Price Competition Via The Estimation Of s-Concave Demand Functions
von: Bracale, Daniele, et al.
Veröffentlicht: (2025)

Beyond In-Distribution Performance: A Cross-Dataset Study of Trajectory Prediction Robustness
von: Yao, Yue, et al.
Veröffentlicht: (2025)

LUCF-Net: Lightweight U-shaped Cascade Fusion Network for Medical Image Segmentation
von: Sun, Songkai, et al.
Veröffentlicht: (2024)

Limitations of refinement methods for weak to strong generalization
von: Somerstep, Seamus, et al.
Veröffentlicht: (2025)

Multi-Distribution Robust Conformal Prediction
von: Yang, Yuqi, et al.
Veröffentlicht: (2026)

Robust Conformal Prediction under Distribution Shift via Physics-Informed Structural Causal Model
von: Xu, Rui, et al.
Veröffentlicht: (2024)

Understanding the Robustness of Multi-modal Contrastive Learning to Distribution Shift
von: Xue, Yihao, et al.
Veröffentlicht: (2023)

ODP-Bench: Benchmarking Out-of-Distribution Performance Prediction
von: Yu, Han, et al.
Veröffentlicht: (2025)

Fusing Models with Complementary Expertise
von: Wang, Hongyi, et al.
Veröffentlicht: (2023)

Sloth: scaling laws for LLM skills to predict multi-benchmark performance across families
von: Polo, Felipe Maia, et al.
Veröffentlicht: (2024)

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

A transfer learning framework for weak-to-strong generalization
von: Somerstep, Seamus, et al.
Veröffentlicht: (2024)

Robust Validation: Confident Predictions Even When Distributions Shift
von: Cauchois, Maxime, et al.
Veröffentlicht: (2020)

Distributionally Robust Set Representation Learning Under Inference-Time Element Corruption
von: Chen, Yankai, et al.
Veröffentlicht: (2026)

Distributional Offline Policy Evaluation with Predictive Error Guarantees
von: Wu, Runzhe, et al.
Veröffentlicht: (2023)

Exploring the Noise Robustness of Online Conformal Prediction
von: Xi, Huajun, et al.
Veröffentlicht: (2025)

Robust Load Prediction of Power Network Clusters Based on Cloud-Model-Improved Transformer
von: Jiang, Cheng, et al.
Veröffentlicht: (2024)

Robust Calibration For Improved Weather Prediction Under Distributional Shift
von: Gilda, Sankalp, et al.
Veröffentlicht: (2024)

Robust Predictive Modeling Under Unseen Data Distribution Shifts: A Methodological Commentary
von: Duan, Hanyu, et al.
Veröffentlicht: (2025)

DistMatch: Adaptive Binning via Distribution Matching for Robust Sequential Conformal Prediction
von: Menadjiev, Enver, et al.
Veröffentlicht: (2026)

ProFL: Performative Robust Optimal Federated Learning
von: Zheng, Xue, et al.
Veröffentlicht: (2024)

Aligners: Decoupling LLMs and Alignment
von: Ngweta, Lilian, et al.
Veröffentlicht: (2024)

Wasserstein-regularized Conformal Prediction under General Distribution Shift
von: Xu, Rui, et al.
Veröffentlicht: (2025)

MoE-Compression: How the Compression Error of Experts Affects the Inference Accuracy of MoE Model?
von: Ma, Songkai, et al.
Veröffentlicht: (2025)

Distributionally Robust Safe Screening
von: Hanada, Hiroyuki, et al.
Veröffentlicht: (2024)

Distributionally Robust Feature Selection
von: Swaroop, Maitreyi, et al.
Veröffentlicht: (2025)

Mixed-feature Logistic Regression Robust to Distribution Shifts
von: Sun, Qingshi, et al.
Veröffentlicht: (2025)

tinyBenchmarks: evaluating LLMs with fewer examples
von: Polo, Felipe Maia, et al.
Veröffentlicht: (2024)