:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Liu, Chenruo, Tang, Kenan, Qin, Yao, Lei, Qi
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	https://arxiv.org/abs/2505.22829
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Superclass-Guided Representation Disentanglement for Spurious Correlation Mitigation
von: Liu, Chenruo, et al.
Veröffentlicht: (2025)

Flaw or Artifact? Rethinking Prompt Sensitivity in Evaluating LLMs
von: Hua, Andong, et al.
Veröffentlicht: (2025)

Banana100: Breaking NR-IQA Metrics by 100 Iterative Image Replications with Nano Banana Pro
von: Tang, Kenan, et al.
Veröffentlicht: (2026)

Domain-invariant Clinical Representation Learning by Bridging Data Distribution Shift across EMR Datasets
von: Zhang, Zhongji, et al.
Veröffentlicht: (2023)

ExpressEdit: Fast Editing of Stylized Facial Expressions with Diffusion Models in Photoshop
von: Tang, Kenan, et al.
Veröffentlicht: (2026)

Does Weak-to-strong Generalization Happen under Spurious Correlations?
von: Liu, Chenruo, et al.
Veröffentlicht: (2025)

Graphs Generalization under Distribution Shifts
von: Tian, Qin, et al.
Veröffentlicht: (2024)

SynergyKGC: Reconciling Topological Heterogeneity in Knowledge Graph Completion via Topology-Aware Synergy
von: Zou, Xuecheng, et al.
Veröffentlicht: (2026)

Towards Understanding Link Predictor Generalizability Under Distribution Shifts
von: Revolinsky, Jay, et al.
Veröffentlicht: (2024)

Bridging Multicalibration and Out-of-distribution Generalization Beyond Covariate Shift
von: Wu, Jiayun, et al.
Veröffentlicht: (2024)

Adaptive Individual Uncertainty under Out-Of-Distribution Shift with Expert-Routed Conformal Prediction
von: Badkul, Amitesh, et al.
Veröffentlicht: (2025)

Spectral Invariant Learning for Dynamic Graphs under Distribution Shifts
von: Zhang, Zeyang, et al.
Veröffentlicht: (2024)

Bias as a Virtue: Rethinking Generalization under Distribution Shifts
von: Chen, Ruixuan, et al.
Veröffentlicht: (2025)

Bridging Past and Future: Distribution-Aware Alignment for Time Series Forecasting
von: Hu, Yifan, et al.
Veröffentlicht: (2025)

Causal-aware Graph Neural Architecture Search under Distribution Shifts
von: Li, Peiwen, et al.
Veröffentlicht: (2024)

Micro-Defects Expose Macro-Fakes: Detecting AI-Generated Images via Local Distributional Shifts
von: Zhang, Boxuan, et al.
Veröffentlicht: (2026)

Supervised Algorithmic Fairness in Distribution Shifts: A Survey
von: Shao, Minglai, et al.
Veröffentlicht: (2024)

A Task-Centric Theory for Iterative Self-Improvement with Easy-to-Hard Curricula
von: Liu, Chenruo, et al.
Veröffentlicht: (2026)

Alleviating Structural Distribution Shift in Graph Anomaly Detection
von: Gao, Yuan, et al.
Veröffentlicht: (2024)

Sufficient Invariant Learning for Distribution Shift
von: Kim, Taero, et al.
Veröffentlicht: (2022)

NeuroAI for AI Safety
von: Mineault, Patrick, et al.
Veröffentlicht: (2024)

A Semi-Automated Solution Approach Recommender for a Given Use Case: a Case Study for AI/ML in Oncology via Scopus and OpenAI
von: Kılıç, Deniz Kenan, et al.
Veröffentlicht: (2023)

Rethinking Distribution Shifts: Empirical Analysis and Inductive Modeling for Tabular Data
von: Wang, Tianyu, et al.
Veröffentlicht: (2023)

NodeReg: Mitigating the Imbalance and Distribution Shift Effects in Semi-Supervised Node Classification via Norm Consistency
von: Yang, Shenzhi, et al.
Veröffentlicht: (2025)

Weak-to-Strong Generalization under Distribution Shifts
von: Jeon, Myeongho, et al.
Veröffentlicht: (2025)

Handling Distribution Shifts on Graphs: An Invariance Perspective
von: Wu, Qitian, et al.
Veröffentlicht: (2022)

Foundations of Schrödinger Bridges for Generative Modeling
von: Tang, Sophia
Veröffentlicht: (2026)

Calibration of Time-Series Forecasting: Detecting and Adapting Context-Driven Distribution Shift
von: Chen, Mouxiang, et al.
Veröffentlicht: (2023)

Dynamic Mixture of Experts Against Severe Distribution Shifts
von: Kim, Donghu
Veröffentlicht: (2025)

Emerging Synergies in Causality and Deep Generative Models: A Survey
von: Zhou, Guanglin, et al.
Veröffentlicht: (2023)

Paradigms of AI Evaluation: Mapping Goals, Methodologies and Culture
von: Burden, John, et al.
Veröffentlicht: (2025)

Safety Mirage: How Spurious Correlations Undermine VLM Safety Fine-Tuning and Can Be Mitigated by Machine Unlearning
von: Chen, Yiwei, et al.
Veröffentlicht: (2025)

FlexCare: Leveraging Cross-Task Synergy for Flexible Multimodal Healthcare Prediction
von: Xu, Muhao, et al.
Veröffentlicht: (2024)

Bridging Efficiency and Safety: Formal Verification of Neural Networks with Early Exits
von: Elboher, Yizhak Yisrael, et al.
Veröffentlicht: (2025)

GeSS: Benchmarking Geometric Deep Learning under Scientific Applications with Distribution Shifts
von: Zou, Deyu, et al.
Veröffentlicht: (2023)

Adaptive Heterogeneous Graph Neural Networks: Bridging Heterophily and Heterogeneity
von: Chen, Qin, et al.
Veröffentlicht: (2025)

Towards Understanding Safety Alignment: A Mechanistic Perspective from Safety Neurons
von: Chen, Jianhui, et al.
Veröffentlicht: (2024)

Fast and Robust: Task Sampling with Posterior and Diversity Synergies for Adaptive Decision-Makers in Randomized Environments
von: Qu, Yun, et al.
Veröffentlicht: (2025)

Addressing Label Shift in Distributed Learning via Entropy Regularization
von: Wu, Zhiyuan, et al.
Veröffentlicht: (2025)

Graph Data Augmentation with Contrastive Learning on Covariate Distribution Shift
von: Zeng, Fanlong, et al.
Veröffentlicht: (2025)