Buchumschlag

All AI Models are Wrong, but Some are Optimal

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Anand, Akhil S, Sawant, Shambhuraj, Reinhardt, Dirk, Gros, Sebastien
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Artificial Intelligence Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Closing the Sim2Real Performance Gap in RL
von: Anand, Akhil S, et al.
Veröffentlicht: (2025)

Economic Model Predictive Control as a Solution to Markov Decision Processes
von: Reinhardt, Dirk, et al.
Veröffentlicht: (2024)

Data-Driven Predictive Control and MPC: Do we achieve optimality?
von: Anand, Akhil S, et al.
Veröffentlicht: (2024)

Synthesis of Model Predictive Control and Reinforcement Learning: Survey and Classification
von: Reiter, Rudolf, et al.
Veröffentlicht: (2025)

Direct transfer of optimized controllers to similar systems using dimensionless MPC
von: Hromatko, Josip Kir, et al.
Veröffentlicht: (2025)

CORL: Reinforcement Learning of MILP Policies Solved via Branch and Bound
von: Anand, Akhil S, et al.
Veröffentlicht: (2025)

Differentiable Nonlinear Model Predictive Control
von: Frey, Jonathan, et al.
Veröffentlicht: (2025)

Safe Reinforcement Learning using Action Projection: Safeguard the Policy or the Environment?
von: Markgraf, Hannah, et al.
Veröffentlicht: (2025)

Application of Soft Actor-Critic Algorithms in Optimizing Wastewater Treatment with Time Delays Integration
von: Mohammadi, Esmaeel, et al.
Veröffentlicht: (2024)

Are Retrials All You Need? Enhancing Large Language Model Reasoning Without Verbalized Feedback
von: Potamitis, Nearchos, et al.
Veröffentlicht: (2025)

Small transformer architectures for task switching
von: Gros, Claudius
Veröffentlicht: (2025)

Reorganizing attention-space geometry with expressive attention
von: Gros, Claudius
Veröffentlicht: (2024)

Large Language Model Predicts Above Normal All India Summer Monsoon Rainfall in 2024
von: Sharma, Ujjawal, et al.
Veröffentlicht: (2024)

Understanding Generative AI Content with Embedding Models
von: Vargas, Max, et al.
Veröffentlicht: (2024)

Thinking Wrong in Silence: Backdoor Attacks on Continuous Latent Reasoning
von: Parekh, Swapnil
Veröffentlicht: (2026)

Stable but Wrong: When More Data Degrades Scientific Conclusions
von: Zhang, Zhipeng, et al.
Veröffentlicht: (2026)

ARMOR: Adaptive Resilience Against Model Poisoning Attacks in Continual Federated Learning for Mobile Indoor Localization
von: Gufran, Danish, et al.
Veröffentlicht: (2026)

CosmicFish-HRM: Adaptive Reasoning via Hierarchical Recurrent Mechanisms in Compact Language Models
von: Lakkapragada, Venkat Akhil
Veröffentlicht: (2026)

Hybrid Intent-Aware Personalization with Machine Learning and RAG-Enabled Large Language Models for Financial Services Marketing
von: Shanivendra, Akhil Chandra
Veröffentlicht: (2026)

When LLMs Learn to Be Consistently Wrong: A Multi-Model Study of Linear Representations of Synthetic Deception
von: Zolfaghari, Vahideh
Veröffentlicht: (2026)

Unified Class and Domain Incremental Learning with Mixture of Experts for Indoor Localization
von: Singampalli, Akhil, et al.
Veröffentlicht: (2025)

All or None: Identifiable Linear Properties of Next-token Predictors in Language Modeling
von: Marconato, Emanuele, et al.
Veröffentlicht: (2024)

On the Separability of Information in Diffusion Models
von: Premkumar, Akhil
Veröffentlicht: (2025)

Easy Problems That LLMs Get Wrong
von: Williams, Sean, et al.
Veröffentlicht: (2024)

Rethinking Reward Model Evaluation: Are We Barking up the Wrong Tree?
von: Wen, Xueru, et al.
Veröffentlicht: (2024)

All Leaks Count, Some Count More: Interpretable Temporal Contamination Detection and Mitigation in LLM Backtesting
von: Zhang, Zeyu, et al.
Veröffentlicht: (2026)

When Learning Rates Go Wrong: Early Structural Signals in PPO Actor-Critic
von: Fernández-Hernández, Alberto, et al.
Veröffentlicht: (2026)

syftr: Pareto-Optimal Generative AI
von: Conway, Alexander, et al.
Veröffentlicht: (2025)

DAILOC: Domain-Incremental Learning for Indoor Localization using Smartphones
von: Singampalli, Akhil, et al.
Veröffentlicht: (2025)

ACPO: A Policy Optimization Algorithm for Average MDPs with Constraints
von: Agnihotri, Akhil, et al.
Veröffentlicht: (2023)

AI Alignment with Changing and Influenceable Reward Functions
von: Carroll, Micah, et al.
Veröffentlicht: (2024)

Capabilities Ain't All You Need: Measuring Propensities in AI
von: Romero-Alvarado, Daniel, et al.
Veröffentlicht: (2026)

Weak-to-Strong Elicitation via Mismatched Wrong Drafts
von: Deng, Wei
Veröffentlicht: (2026)

Perplexity Cannot Always Tell Right from Wrong
von: Veličković, Petar, et al.
Veröffentlicht: (2026)

Loss-to-Loss Prediction: Scaling Laws for All Datasets
von: Brandfonbrener, David, et al.
Veröffentlicht: (2024)

Uncertainty Quantification in SVM prediction
von: Anand, Pritam
Veröffentlicht: (2025)

On The Planning Abilities of OpenAI's o1 Models: Feasibility, Optimality, and Generalizability
von: Wang, Kevin, et al.
Veröffentlicht: (2024)

Uncertainty Quantification in Probabilistic Machine Learning Models: Theory, Methods, and Insights
von: Ajirak, Marzieh, et al.
Veröffentlicht: (2025)

Per-Domain Generalizing Policies: On Learning Efficient and Robust Q-Value Functions (Extended Version with Technical Appendix)
von: Müller, Nicola J., et al.
Veröffentlicht: (2026)

Enactor: From Traffic Simulators to Surrogate World Models
von: Ranjan, Yash, et al.
Veröffentlicht: (2026)