Copertina

An Analysis of Concept Bottleneck Models: Measuring, Understanding, and Mitigating the Impact of Noisy Annotations

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Park, Seonghwan, Mun, Jueun, Oh, Donghyun, Lee, Namhoon
Natura:	Preprint
Pubblicazione:	2025
Soggetti:	Machine Learning Artificial Intelligence
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Counterfactual Concept Bottleneck Models
di: Dominici, Gabriele, et al.
Pubblicazione: (2024)

Causally Reliable Concept Bottleneck Models
di: De Felice, Giovanni, et al.
Pubblicazione: (2025)

Towards Reasonable Concept Bottleneck Models
di: Kalampalikis, Nektarios, et al.
Pubblicazione: (2025)

Incremental Residual Concept Bottleneck Models
di: Shang, Chenming, et al.
Pubblicazione: (2024)

Mitigating Staleness in Asynchronous Pipeline Parallelism via Basis Rotation
di: Jung, Hyunji, et al.
Pubblicazione: (2026)

Bayesian Concept Bottleneck Models with LLM Priors
di: Feng, Jean, et al.
Pubblicazione: (2024)

Do Concept Bottleneck Models Respect Localities?
di: Raman, Naveen, et al.
Pubblicazione: (2024)

Addressing Concept Mislabeling in Concept Bottleneck Models Through Preference Optimization
di: Penaloza, Emiliano, et al.
Pubblicazione: (2025)

Object Centric Concept Bottlenecks
di: Steinmann, David, et al.
Pubblicazione: (2025)

Mixture of Concept Bottleneck Experts
di: De Santis, Francesco, et al.
Pubblicazione: (2026)

Learning to Intervene on Concept Bottlenecks
di: Steinmann, David, et al.
Pubblicazione: (2023)

Learning Concept Bottleneck Models from Mechanistic Explanations
di: De Santis, Antonio, et al.
Pubblicazione: (2026)

Hoeffding Concept Bottleneck Models with Applications to Overhead Images
di: Bénard, Clément, et al.
Pubblicazione: (2026)

Towards Fine-Grained and Verifiable Concept Bottleneck Models
di: Fang, Yingying, et al.
Pubblicazione: (2026)

SAFE: Finding Sparse and Flat Minima to Improve Pruning
di: Lee, Dongyeop, et al.
Pubblicazione: (2025)

Eliminating Information Leakage in Hard Concept Bottleneck Models with Supervised, Hierarchical Concept Learning
di: Sun, Ao, et al.
Pubblicazione: (2024)

Relational Concept Bottleneck Models
di: Barbiero, Pietro, et al.
Pubblicazione: (2023)

SASSHA: Sharpness-aware Adaptive Second-order Optimization with Stable Hessian Approximation
di: Shin, Dahun, et al.
Pubblicazione: (2025)

Improving ARDS Diagnosis Through Context-Aware Concept Bottleneck Models
di: Narain, Anish, et al.
Pubblicazione: (2025)

Credal Concept Bottleneck Models: Structural Separation of Epistemic and Aleatoric Uncertainty
di: Mukherjee, Tanmoy, et al.
Pubblicazione: (2026)

GlassMol: Interpretable Molecular Property Prediction with Concept Bottleneck Models
di: Rivera, Oscar, et al.
Pubblicazione: (2026)

Editable Concept Bottleneck Models
di: Hu, Lijie, et al.
Pubblicazione: (2024)

The Unseen Frontier: Pushing the Limits of LLM Sparsity with Surrogate-Free ADMM
di: Lee, Kwanhee, et al.
Pubblicazione: (2025)

SL-CBM: Enhancing Concept Bottleneck Models with Semantic Locality for Better Interpretability
di: Zhang, Hanwei, et al.
Pubblicazione: (2026)

Multi-View Node Pruning for Accurate Graph Representation
di: Kim, Hanjin, et al.
Pubblicazione: (2025)

Zero-shot Concept Bottleneck Models
di: Yamaguchi, Shin'ya, et al.
Pubblicazione: (2025)

Process-Guided Concept Bottleneck Model
di: Asiyabi, Reza M., et al.
Pubblicazione: (2026)

Semi-supervised Concept Bottleneck Models
di: Hu, Lijie, et al.
Pubblicazione: (2024)

Enhancing Knowledge Tracing with Concept Map and Response Disentanglement
di: Park, Soonwook, et al.
Pubblicazione: (2024)

Revealing Combinatorial Reasoning of GNNs via Graph Concept Bottleneck Layer
di: Niu, Yue, et al.
Pubblicazione: (2026)

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

ZIP: An Efficient Zeroth-order Prompt Tuning for Black-box Vision-Language Models
di: Park, Seonghwan, et al.
Pubblicazione: (2025)

Interpretable Prototype-based Graph Information Bottleneck
di: Seo, Sangwoo, et al.
Pubblicazione: (2023)

Advancing Event Forecasting through Massive Training of Large Language Models: Challenges, Solutions, and Broader Impacts
di: Lee, Sang-Woo, et al.
Pubblicazione: (2025)

Understanding Language Prior of LVLMs by Contrasting Chain-of-Embedding
di: Long, Lin, et al.
Pubblicazione: (2025)

Understanding and Improving Noisy Embedding Techniques in Instruction Finetuning
di: Yadav, Abhay
Pubblicazione: (2026)

Attention Saturation and Gradient Suppression at Inflection Layers: Diagnosing and Mitigating Bottlenecks in Transformer Adaptation
di: Zixian, Wang
Pubblicazione: (2025)

A Scalable and Transferable Time Series Prediction Framework for Demand Forecasting
di: Park, Young-Jin, et al.
Pubblicazione: (2024)

Generalized Gaussian Temporal Difference Error for Uncertainty-aware Reinforcement Learning
di: Kim, Seyeon, et al.
Pubblicazione: (2024)

Is Value Learning Really the Main Bottleneck in Offline RL?
di: Park, Seohong, et al.
Pubblicazione: (2024)