Buchumschlag

Evaluating Model Explanations without Ground Truth

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Rawal, Kaivalya, Fu, Zihao, Delaney, Eoin, Russell, Chris
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Artificial Intelligence Machine Learning I.2.6
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Evaluating the Ability of Explanations to Disambiguate Models in a Rashomon Set
von: Rawal, Kaivalya, et al.
Veröffentlicht: (2026)

Choosing DAG Models Using Markov and Minimal Edge Count in the Absence of Ground Truth
von: Ramsey, Joseph D., et al.
Veröffentlicht: (2024)

Black Box Model Explanations and the Human Interpretability Expectations -- An Analysis in the Context of Homicide Prediction
von: Ribeiro, José, et al.
Veröffentlicht: (2022)

How Reliable and Stable are Explanations of XAI Methods?
von: Ribeiro, José, et al.
Veröffentlicht: (2024)

Relevance-driven Input Dropout: an Explanation-guided Regularization Technique
von: Gururaj, Shreyas, et al.
Veröffentlicht: (2025)

Deep Memory Search: A Metaheuristic Approach for Optimizing Heuristic Search
von: Hedar, Abdel-Rahman, et al.
Veröffentlicht: (2024)

AGWM: Affordance-Grounded World Models for Environments with Compositional Prerequisites
von: Zhang, Qinshi, et al.
Veröffentlicht: (2026)

Ground-Compose-Reinforce: Grounding Language in Agentic Behaviours using Limited Data
von: Li, Andrew C., et al.
Veröffentlicht: (2025)

FORCE: Feature-Oriented Representation with Clustering and Explanation
von: Mukherjee, Rishav, et al.
Veröffentlicht: (2025)

Algebraic Evaluation Theorems
von: Corrada-Emmanuel, Andrés
Veröffentlicht: (2024)

Neural Reasoning Networks: Efficient Interpretable Neural Networks With Automatic Textual Explanations
von: Carrow, Stephen, et al.
Veröffentlicht: (2024)

Evaluation of post-hoc interpretability methods in time-series classification
von: Turbé, Hugues, et al.
Veröffentlicht: (2022)

Evaluating the effectiveness of predicting covariates in LSTM Networks for Time Series Forecasting
von: Davies, Gareth
Veröffentlicht: (2024)

Leveraging Personalized PageRank and Higher-Order Topological Structures for Heterophily Mitigation in Graph Neural Networks
von: Wang, Yumeng, et al.
Veröffentlicht: (2025)

DELTA: Variational Disentangled Learning for Privacy-Preserving Data Reprogramming
von: Malarkkan, Arun Vignesh, et al.
Veröffentlicht: (2025)

Incentives for Responsiveness, Instrumental Control and Impact
von: Carey, Ryan, et al.
Veröffentlicht: (2020)

Large Language Models as Attribution Regularizers for Efficient Model Training
von: Vukadin, Davor, et al.
Veröffentlicht: (2025)

Approximate Domain Unlearning for Vision-Language Models
von: Kawamura, Kodai, et al.
Veröffentlicht: (2025)

Grokking Beyond the Euclidean Norm of Model Parameters
von: Notsawo, Pascal Jr Tikeng, et al.
Veröffentlicht: (2025)

Scaling Offline RL via Efficient and Expressive Shortcut Models
von: Espinosa-Dice, Nicolas, et al.
Veröffentlicht: (2025)

Architectural Proprioception in State Space Models: Thermodynamic Training Induces Anticipatory Halt Detection
von: Noon, Jay
Veröffentlicht: (2026)

A Practical Approach to using Supervised Machine Learning Models to Classify Aviation Safety Occurrences
von: Siow, Bryan Y.
Veröffentlicht: (2025)

First-Mover Bias in Gradient Boosting Explanations: Mechanism, Detection, and Resolution
von: Caraker, Drake, et al.
Veröffentlicht: (2026)

Spectral Compact Training: Pre-Training Large Language Models via Permanent Truncated SVD and Stiefel QR Retraction
von: Kohlberger, Björn Roman
Veröffentlicht: (2026)

Model Fusion via Retrofitting
von: Luenam, Phoomraphee, et al.
Veröffentlicht: (2025)

Entropy-Based Measurement of Value Drift and Alignment Work in Large Language Models
von: Fadli, Samih
Veröffentlicht: (2025)

The Geometry of Thought: How Scale Restructures Reasoning In Large Language Models
von: Anderson, Samuel Cyrenius
Veröffentlicht: (2026)

On Semantic Loss Fine-Tuning Approach for Preventing Model Collapse in Causal Reasoning
von: Deshmukh, Pratik, et al.
Veröffentlicht: (2026)

Reasoning Large Language Model Errors Arise from Hallucinating Critical Problem Features
von: Heyman, Alex, et al.
Veröffentlicht: (2025)

HEHRGNN: A Unified Embedding Model for Knowledge Graphs with Hyperedges and Hyper-Relational Edges
von: Rajagopalamenon, Rajesh, et al.
Veröffentlicht: (2026)

Quantization Undoes Alignment: Bias Emergence in Compressed LLMs Across Models and Precision Levels
von: Rath, Plawan Kumar, et al.
Veröffentlicht: (2026)

Fusion-Based Neural Generalization for Predicting Temperature Fields in Industrial PET Preform Heating
von: Alsheikh, Ahmad, et al.
Veröffentlicht: (2025)

The Anti-Ouroboros Effect: Emergent Resilience in Large Language Models from Recursive Selective Feedback
von: Adapala, Sai Teja Reddy
Veröffentlicht: (2025)

What Do World Models Learn in RL? Probing Latent Representations in Learned Environment Simulators
von: Zhang, Xinyu
Veröffentlicht: (2026)

TACO: Tackling Over-correction in Federated Learning with Tailored Adaptive Correction
von: Liu, Weijie, et al.
Veröffentlicht: (2025)

DataRater: Meta-Learned Dataset Curation
von: Calian, Dan A., et al.
Veröffentlicht: (2025)

The Lattice Geometry of Neural Network Quantization -- A Short Equivalence Proof of GPTQ and Babai's Algorithm
von: Birnick, Johann
Veröffentlicht: (2025)

Unlearning's Blind Spots: Over-Unlearning and Prototypical Relearning Attack
von: Ha, SeungBum, et al.
Veröffentlicht: (2025)

Residual Reservoir Memory Networks
von: Pinna, Matteo, et al.
Veröffentlicht: (2025)

FreRA: A Frequency-Refined Augmentation for Contrastive Learning on Time Series Classification
von: Tian, Tian, et al.
Veröffentlicht: (2025)