Buchumschlag

An Analysis of Model Robustness across Concurrent Distribution Shifts

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Jeon, Myeongho, Choi, Suhwan, Lee, Hyoje, Yeo, Teresa
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Weak-to-Strong Generalization under Distribution Shifts
von: Jeon, Myeongho, et al.
Veröffentlicht: (2025)

Adaptive Problem Generation via Symbolic Representations
von: Yeo, Teresa, et al.
Veröffentlicht: (2026)

Feature-aligned N-BEATS with Sinkhorn divergence
von: Lee, Joonhun, et al.
Veröffentlicht: (2023)

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

Considerations for Distribution Shift Robustness of Diagnostic Models in Healthcare
von: Blaas, Arno, et al.
Veröffentlicht: (2024)

No Prompt Left Behind: Exploiting Zero-Variance Prompts in LLM Reinforcement Learning via Entropy-Guided Advantage Shaping
von: Le, Thanh-Long V., et al.
Veröffentlicht: (2025)

Experience-based Knowledge Correction for Robust Planning in Minecraft
von: Lee, Seungjoon, et al.
Veröffentlicht: (2025)

Distributionally Robust Coreset Selection under Covariate Shift
von: Tanaka, Tomonari, et al.
Veröffentlicht: (2025)

Mitigating Distribution Shift in Stock Price Data via Return-Volatility Normalization for Accurate Prediction
von: Lee, Hyunwoo, et al.
Veröffentlicht: (2025)

GeneralizeFormer: Layer-Adaptive Model Generation across Test-Time Distribution Shifts
von: Ambekar, Sameer, et al.
Veröffentlicht: (2025)

Distributionally Robust Safe Sample Elimination under Covariate Shift
von: Hanada, Hiroyuki, et al.
Veröffentlicht: (2024)

Seen-to-Scene: Keep the Seen, Generate the Unseen for Video Outpainting
von: Jeon, Inseok, et al.
Veröffentlicht: (2026)

Evaluating and Improving the Robustness of Speech Command Recognition Models to Noise and Distribution Shifts
von: Baranger, Anaïs, et al.
Veröffentlicht: (2025)

Certifiably Robust Model Evaluation in Federated Learning under Meta-Distributional Shifts
von: Najafi, Amir, et al.
Veröffentlicht: (2024)

Quantifying Distribution Shifts and Uncertainties for Enhanced Model Robustness in Machine Learning Applications
von: Flovik, Vegard
Veröffentlicht: (2024)

MIRRAMS: Learning Robust Tabular Models under Unseen Missingness Shifts
von: Lee, Jihye, et al.
Veröffentlicht: (2025)

Learning Inference Concurrency in DynamicGate MLP Structural and Mathematical Justification
von: Choi, Yongil
Veröffentlicht: (2026)

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

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

Safe Distributionally Robust Feature Selection under Covariate Shift
von: Hanada, Hiroyuki, et al.
Veröffentlicht: (2026)

Assessing the Robustness of Climate Foundation Models under No-Analog Distribution Shifts
von: Navarro, Maria Conchita Agana, et al.
Veröffentlicht: (2026)

CPR: Causal Physiological Representation Learning for Robust ECG Analysis under Distribution Shifts
von: Jia, Shunbo, et al.
Veröffentlicht: (2025)

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

Density-Softmax: Efficient Test-time Model for Uncertainty Estimation and Robustness under Distribution Shifts
von: Bui, Ha Manh, et al.
Veröffentlicht: (2023)

Robust Machine Learning for Regulatory Sequence Modeling under Biological and Technical Distribution Shifts
von: Yang, Yiyao
Veröffentlicht: (2026)

Robust Anomaly Detection Under Normality Distribution Shift in Dynamic Graphs
von: Xu, Xiaoyang, et al.
Veröffentlicht: (2025)

Class Distribution Shifts in Zero-Shot Learning: Learning Robust Representations
von: Slavutsky, Yuli, et al.
Veröffentlicht: (2023)

Chunking: Continual Learning is not just about Distribution Shift
von: Lee, Thomas L., et al.
Veröffentlicht: (2023)

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

Learning Optimal Classification Trees Robust to Distribution Shifts
von: Justin, Nathan, et al.
Veröffentlicht: (2023)

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

Multiply Robust Estimation for Local Distribution Shifts with Multiple Domains
von: Wilkins-Reeves, Steven, et al.
Veröffentlicht: (2024)

Distributionally Robust Policy Evaluation under General Covariate Shift in Contextual Bandits
von: Guo, Yihong, et al.
Veröffentlicht: (2024)

CMTM: Cross-Modal Token Modulation for Unsupervised Video Object Segmentation
von: Jeon, Inseok, et al.
Veröffentlicht: (2026)

Incorporating Interventional Independence Improves Robustness against Interventional Distribution Shift
von: Sreekumar, Gautam, et al.
Veröffentlicht: (2025)

Rethinking Distribution Shifts: Empirical Analysis and Inductive Modeling for Tabular Data
von: Wang, Tianyu, et al.
Veröffentlicht: (2023)

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

Addressing Distribution Shift in RTB Markets via Exponential Tilting
von: Kim, Minji, et al.
Veröffentlicht: (2023)

Adaptive Concept Bottleneck for Foundation Models Under Distribution Shifts
von: Choi, Jihye, et al.
Veröffentlicht: (2024)

FedRC: Tackling Diverse Distribution Shifts Challenge in Federated Learning by Robust Clustering
von: Guo, Yongxin, et al.
Veröffentlicht: (2023)