Buchumschlag

Measuring the Data

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Cohen, Ido
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

MenakBERT -- Hebrew Diacriticizer
von: Cohen, Ido, et al.
Veröffentlicht: (2024)

Delay as Payoff in MAB
von: Schlisselberg, Ofir, et al.
Veröffentlicht: (2024)

Never Train from Scratch: Fair Comparison of Long-Sequence Models Requires Data-Driven Priors
von: Amos, Ido, et al.
Veröffentlicht: (2023)

Enhancing Neural Training via a Correlated Dynamics Model
von: Brokman, Jonathan, et al.
Veröffentlicht: (2023)

Measuring multi-calibration
von: Guy, Ido, et al.
Veröffentlicht: (2025)

Maximizing Prefix-Confidence at Test-Time Efficiently Improves Mathematical Reasoning
von: Otth, Matthias, et al.
Veröffentlicht: (2025)

Task Weighting through Gradient Projection for Multitask Learning
von: Bohn, Christian, et al.
Veröffentlicht: (2024)

Which Algorithms Have Tight Generalization Bounds?
von: Gastpar, Michael, et al.
Veröffentlicht: (2024)

MathTutorBench: A Benchmark for Measuring Open-ended Pedagogical Capabilities of LLM Tutors
von: Macina, Jakub, et al.
Veröffentlicht: (2025)

The Structure of Cross-Validation Error: Stability, Covariance, and Minimax Limits
von: Nachum, Ido, et al.
Veröffentlicht: (2025)

Not All Invariants Are Equal: Curating Training Data to Accelerate Program Verification with SLMs
von: Pinto, Ido, et al.
Veröffentlicht: (2026)

Revisiting Multi-Permutation Equivariance through the Lens of Irreducible Representations
von: Sverdlov, Yonatan, et al.
Veröffentlicht: (2024)

Minimax Limits of k-Fold Cross-Validation via Majority
von: Nachum, Ido, et al.
Veröffentlicht: (2026)

Ensemble Self-Training for Unsupervised Machine Translation
von: Aharon, Ido, et al.
Veröffentlicht: (2026)

Maximal Brain Damage Without Data or Optimization: Disrupting Neural Networks via Sign-Bit Flips
von: Galil, Ido, et al.
Veröffentlicht: (2025)

RAPNet: Accelerating Algebraic Multigrid with Learned Sparse Corrections
von: Fink, Yali, et al.
Veröffentlicht: (2026)

Kernel Representation and Similarity Measure for Incomplete Data
von: Cao, Yang, et al.
Veröffentlicht: (2025)

Data Measurements for Decentralized Data Markets
von: Lu, Charles, et al.
Veröffentlicht: (2024)

Active learning with biased non-response to label requests
von: Robinson, Thomas, et al.
Veröffentlicht: (2023)

Diffusion-Driven Inertial Generated Data for Smartphone Location Classification
von: Cohen, Noa, et al.
Veröffentlicht: (2025)

Measuring the Symmetry--Data Exchange Rate
von: Adly, Ahmed M.
Veröffentlicht: (2026)

Majority Voting for Code Generation
von: Launer, Tim, et al.
Veröffentlicht: (2026)

Quantized Convolutional Neural Networks Through the Lens of Partial Differential Equations
von: Ben-Yair, Ido, et al.
Veröffentlicht: (2021)

The Measure of Deception: An Analysis of Data Forging in Machine Unlearning
von: Dixit, Rishabh, et al.
Veröffentlicht: (2025)

TabStruct: Measuring Structural Fidelity of Tabular Data
von: Jiang, Xiangjian, et al.
Veröffentlicht: (2025)

Measuring Stochastic Data Complexity with Boltzmann Influence Functions
von: Ng, Nathan, et al.
Veröffentlicht: (2024)

Structured RAG for Answering Aggregative Questions
von: Koshorek, Omri, et al.
Veröffentlicht: (2025)

Fair Bayesian Data Selection via Generalized Discrepancy Measures
von: Zhang, Yixuan, et al.
Veröffentlicht: (2025)

Theoretical Analysis of Measure Consistency Regularization for Partially Observed Data
von: Wang, Yinsong, et al.
Veröffentlicht: (2026)

Measuring Privacy Risks and Tradeoffs in Financial Synthetic Data Generation
von: Zuo, Michael, et al.
Veröffentlicht: (2026)

Local Mixtures of Experts: Essentially Free Test-Time Training via Model Merging
von: Bertolissi, Ryo, et al.
Veröffentlicht: (2025)

Efficiently Learning at Test-Time: Active Fine-Tuning of LLMs
von: Hübotter, Jonas, et al.
Veröffentlicht: (2024)

Spatio-Temporal Transformers for Long-Term NDVI Forecasting
von: Faran, Ido, et al.
Veröffentlicht: (2026)

Less is More: Adaptive Coverage for Synthetic Training Data
von: Tavakkol, Sasan, et al.
Veröffentlicht: (2025)

Synthesis and Analysis of Data as Probability Measures with Entropy-Regularized Optimal Transport
von: Mallery, Brendan, et al.
Veröffentlicht: (2025)

Measuring Fine-Grained Relatedness in Multitask Learning via Data Attribution
von: Tu, Yiwen, et al.
Veröffentlicht: (2025)

Efficient Data Selection at Scale via Influence Distillation
von: Nikdan, Mahdi, et al.
Veröffentlicht: (2025)

ActiveUltraFeedback: Efficient Preference Data Generation using Active Learning
von: Melikidze, Davit, et al.
Veröffentlicht: (2026)

A Deep Dive into Scaling RL for Code Generation with Synthetic Data and Curricula
von: Sancaktar, Cansu, et al.
Veröffentlicht: (2026)

Regret Guarantees for Linear Contextual Stochastic Shortest Path
von: Polikar, Dor, et al.
Veröffentlicht: (2025)