Buchumschlag

This looks like what? Challenges and Future Research Directions for Part-Prototype Models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Elhadri, Khawla, Michalski, Tomasz, Wróbel, Adam, Schlötterer, Jörg, Zieliński, Bartosz, Seifert, Christin
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

Towards Interpretable Deep Neural Networks for Tabular Data
von: Elhadri, Khawla, et al.
Veröffentlicht: (2025)

XNNTab -- Interpretable Neural Networks for Tabular Data using Sparse Autoencoders
von: Elhadri, Khawla, et al.
Veröffentlicht: (2025)

Persuasion Tokens for Editing Factual Knowledge in LLMs
von: Youssef, Paul, et al.
Veröffentlicht: (2026)

Invariant Learning with Annotation-free Environments
von: Le, Phuong Quynh, et al.
Veröffentlicht: (2025)

Out of Spuriousity: Improving Robustness to Spurious Correlations without Group Annotations
von: Le, Phuong Quynh, et al.
Veröffentlicht: (2024)

A Second Look on BASS -- Boosting Abstractive Summarization with Unified Semantic Graphs -- A Replication Study
von: Koraş, Osman Alperen, et al.
Veröffentlicht: (2024)

An XAI-based Analysis of Shortcut Learning in Neural Networks
von: Le, Phuong Quynh, et al.
Veröffentlicht: (2025)

Is Last Layer Re-Training Truly Sufficient for Robustness to Spurious Correlations?
von: Le, Phuong Quynh, et al.
Veröffentlicht: (2023)

Shortcut Mitigation via Spurious-Positive Samples
von: Le, Phuong Quynh, et al.
Veröffentlicht: (2026)

Personalized Interpretability -- Interactive Alignment of Prototypical Parts Networks
von: Michalski, Tomasz, et al.
Veröffentlicht: (2025)

Efficient Unsupervised Shortcut Learning Detection and Mitigation in Transformers
von: Kuhn, Lukas, et al.
Veröffentlicht: (2025)

OMENN: One Matrix to Explain Neural Networks
von: Wróbel, Adam, et al.
Veröffentlicht: (2024)

Prototype-based Interpretable Breast Cancer Prediction Models: Analysis and Challenges
von: Pathak, Shreyasi, et al.
Veröffentlicht: (2024)

ProtoQuant: Quantization of Prototypical Parts For General and Fine-Grained Image Classification
von: Janusz, Mikołaj, et al.
Veröffentlicht: (2026)

Fragment-Wise Interpretability in Graph Neural Networks via Molecule Decomposition and Contribution Analysis
von: Musiał, Sebastian, et al.
Veröffentlicht: (2025)

The Queen of England is not England's Queen: On the Lack of Factual Coherency in PLMs
von: Youssef, Paul, et al.
Veröffentlicht: (2024)

Enhancing Fact Retrieval in PLMs through Truthfulness
von: Youssef, Paul, et al.
Veröffentlicht: (2024)

LucidPPN: Unambiguous Prototypical Parts Network for User-centric Interpretable Computer Vision
von: Pach, Mateusz, et al.
Veröffentlicht: (2024)

Enhancing Chemical Explainability Through Counterfactual Masking
von: Janisiów, Łukasz, et al.
Veröffentlicht: (2025)

Guiding LLMs to Generate High-Fidelity and High-Quality Counterfactual Explanations for Text Classification
von: Nguyen, Van Bach, et al.
Veröffentlicht: (2025)

From Black Boxes to Conversations: Incorporating XAI in a Conversational Agent
von: Nguyen, Van Bach, et al.
Veröffentlicht: (2022)

CEval: A Benchmark for Evaluating Counterfactual Text Generation
von: Nguyen, Van Bach, et al.
Veröffentlicht: (2024)

Has this Fact been Edited? Detecting Knowledge Edits in Language Models
von: Youssef, Paul, et al.
Veröffentlicht: (2024)

Patch-based Intuitive Multimodal Prototypes Network (PIMPNet) for Alzheimer's Disease classification
von: De Santi, Lisa Anita, et al.
Veröffentlicht: (2024)

DAVE: Distribution-aware Attribution via ViT Gradient Decomposition
von: Wróbel, Adam, et al.
Veröffentlicht: (2026)

PhAME: Phenotype-Aware Molecular Editing via Latent Diffusion
von: Janisiów, Łukasz, et al.
Veröffentlicht: (2026)

Comparative Explanations: Explanation Guided Decision Making for Human-in-the-Loop Preference Selection
von: Chakraborty, Tanmay, et al.
Veröffentlicht: (2025)

Explainable Bayesian Optimization
von: Chakraborty, Tanmay, et al.
Veröffentlicht: (2024)

ProPML: Probability Partial Multi-label Learning
von: Struski, Łukasz, et al.
Veröffentlicht: (2024)

Behavioral Analysis of Information Salience in Large Language Models
von: Trienes, Jan, et al.
Veröffentlicht: (2025)

Tracing and Reversing Edits in LLMs
von: Youssef, Paul, et al.
Veröffentlicht: (2025)

How to Make LLMs Forget: On Reversing In-Context Knowledge Edits
von: Youssef, Paul, et al.
Veröffentlicht: (2024)

One Mask to Rule Them All: On Hidden Facts after Editing and How to Find Them
von: Holmov, Ali, et al.
Veröffentlicht: (2026)

SONG: Self-Organizing Neural Graphs
von: Struski, Łukasz, et al.
Veröffentlicht: (2021)

Efficient Multi-Source Knowledge Transfer by Model Merging
von: Osial, Marcin, et al.
Veröffentlicht: (2025)

Efficient LLM Moderation with Multi-Layer Latent Prototypes
von: Chrabąszcz, Maciej, et al.
Veröffentlicht: (2025)

Position: Editing Large Language Models Poses Serious Safety Risks
von: Youssef, Paul, et al.
Veröffentlicht: (2025)

LLMs for Generating and Evaluating Counterfactuals: A Comprehensive Study
von: Nguyen, Van Bach, et al.
Veröffentlicht: (2024)

Investigating the Impact of Randomness on Reproducibility in Computer Vision: A Study on Applications in Civil Engineering and Medicine
von: Eryılmaz, Bahadır, et al.
Veröffentlicht: (2024)

GUIDE: Guidance-based Incremental Learning with Diffusion Models
von: Cywiński, Bartosz, et al.
Veröffentlicht: (2024)