Buchumschlag

Sample-efficient Learning of Concepts with Theoretical Guarantees: from Data to Concepts without Interventions

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Fokkema, Hidde, van Erven, Tim, Magliacane, Sara
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

The Risks of Recourse in Binary Classification
von: Fokkema, Hidde, et al.
Veröffentlicht: (2023)

Online Newton Method for Bandit Convex Optimisation
von: Fokkema, Hidde, et al.
Veröffentlicht: (2024)

Learning Interactive World Model for Object-Centric Reinforcement Learning
von: Feng, Fan, et al.
Veröffentlicht: (2025)

Nearly Minimax Discrete Distribution Estimation in Kullback-Leibler Divergence with High Probability
von: van der Hoeven, Dirk, et al.
Veröffentlicht: (2025)

An Online Feasible Point Method for Benign Generalized Nash Equilibrium Problems
von: Sachs, Sarah, et al.
Veröffentlicht: (2024)

Performative Validity of Recourse Explanations
von: König, Gunnar, et al.
Veröffentlicht: (2025)

An Improved Algorithm for Adversarial Linear Contextual Bandits via Reduction
von: van Erven, Tim, et al.
Veröffentlicht: (2025)

Learning Causal Abstractions of Linear Structural Causal Models
von: Massidda, Riccardo, et al.
Veröffentlicht: (2024)

Accelerated Rates between Stochastic and Adversarial Online Convex Optimization
von: Sachs, Sarah, et al.
Veröffentlicht: (2023)

ConceptACT: Episode-Level Concepts for Sample-Efficient Robotic Imitation Learning
von: Karalus, Jakob, et al.
Veröffentlicht: (2026)

Deferring Concept Bottleneck Models: Learning to Defer Interventions to Inaccurate Experts
von: Pugnana, Andrea, et al.
Veröffentlicht: (2025)

Local Causal Discovery for Statistically Efficient Causal Inference
von: Schubert, Mátyás, et al.
Veröffentlicht: (2025)

SNAP: Sequential Non-Ancestor Pruning for Targeted Causal Effect Estimation With an Unknown Graph
von: Schubert, Mátyás, et al.
Veröffentlicht: (2025)

Learning to Receive Help: Intervention-Aware Concept Embedding Models
von: Zarlenga, Mateo Espinosa, et al.
Veröffentlicht: (2023)

Adaptive Test-Time Intervention for Concept Bottleneck Models
von: Shen, Matthew, et al.
Veröffentlicht: (2025)

Can LLMs Learn New Concepts Incrementally without Forgetting?
von: Zheng, Junhao, et al.
Veröffentlicht: (2024)

Identifiable Markov Switching Models with Instantaneous Effects and Exponential Families
von: Hulsman, Roel, et al.
Veröffentlicht: (2026)

Subgroup detection in linear growth curve models with generalized linear mixed model (GLMM) trees
von: Fokkema, Marjolein, et al.
Veröffentlicht: (2023)

Identifiability of Potentially Degenerate Gaussian Mixture Models With Piecewise Affine Mixing
von: Xu, Danru, et al.
Veröffentlicht: (2026)

Combining Causal Models for More Accurate Abstractions of Neural Networks
von: Pîslar, Theodora-Mara, et al.
Veröffentlicht: (2025)

Theoretically Guaranteed Distribution Adaptable Learning
von: Xu, Chao, et al.
Veröffentlicht: (2024)

Improving Intervention Efficacy via Concept Realignment in Concept Bottleneck Models
von: Singhi, Nishad, et al.
Veröffentlicht: (2024)

Concept Component Analysis: A Principled Approach for Concept Extraction in LLMs
von: Liu, Yuhang, et al.
Veröffentlicht: (2026)

An Information-Theoretic Analysis for Federated Learning under Concept Drift
von: Peng, Fu, et al.
Veröffentlicht: (2025)

Medical Concept Normalization in a Low-Resource Setting
von: Patzelt, Tim
Veröffentlicht: (2024)

Does Representation Intervention Really Identify Desired Concepts and Elicit Alignment?
von: Yang, Hongzheng, et al.
Veröffentlicht: (2025)

Discovery and inference beyond linearity by integrating Bayesian regression, tree ensembles and Shapley values
von: Spadaccini, Giorgio, et al.
Veröffentlicht: (2025)

Diverse Concept Proposals for Concept Bottleneck Models
von: Brown, Katrina, et al.
Veröffentlicht: (2024)

Energy-Based Concept Bottleneck Models: Unifying Prediction, Concept Intervention, and Probabilistic Interpretations
von: Xu, Xinyue, et al.
Veröffentlicht: (2024)

Measuring Leakage in Concept-Based Methods: An Information Theoretic Approach
von: Makonnen, Mikael, et al.
Veröffentlicht: (2025)

Stochastic-Sign SGD for Federated Learning with Theoretical Guarantees
von: Jin, Richeng, et al.
Veröffentlicht: (2020)

Transformation-Invariant Learning and Theoretical Guarantees for OOD Generalization
von: Montasser, Omar, et al.
Veröffentlicht: (2024)

Concept Graph Convolutions: Message Passing in the Concept Space
von: Magister, Lucie Charlotte, et al.
Veröffentlicht: (2026)

Subgraph Concept Networks: Concept Levels in Graph Classification
von: Magister, Lucie Charlotte, et al.
Veröffentlicht: (2026)

Understanding Inter-Concept Relationships in Concept-Based Models
von: Raman, Naveen, et al.
Veröffentlicht: (2024)

Learning Concepts Definable in First-Order Logic with Counting
von: van Bergerem, Steffen
Veröffentlicht: (2019)

Semantics-Aware Caching for Concept Learning
von: Teyou, Louis Mozart Kamdem, et al.
Veröffentlicht: (2026)

In-Context Learning Operates as Concept Subspace Learning
von: Tang, Wei, et al.
Veröffentlicht: (2026)

Towards Robust Learning to Optimize with Theoretical Guarantees
von: Song, Qingyu, et al.
Veröffentlicht: (2025)

Concept Gradient: Concept-based Interpretation Without Linear Assumption
von: Bai, Andrew, et al.
Veröffentlicht: (2022)