Copertina

The Strong, Weak and Benign Goodhart's law. An independence-free and paradigm-agnostic formalisation

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Majka, Adrien, El-Mhamdi, El-Mahdi
Natura:	Preprint
Pubblicazione:	2025
Soggetti:	Machine Learning Statistics Theory
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

On Goodhart's law, with an application to value alignment
di: El-Mhamdi, El-Mahdi, et al.
Pubblicazione: (2024)

Byzantine Machine Learning: MultiKrum and an optimal notion of robustness
di: Bareilles, Gilles, et al.
Pubblicazione: (2026)

On Monotonicity in AI Alignment
di: Bareilles, Gilles, et al.
Pubblicazione: (2025)

Convergence of Statistical Estimators via Mutual Information Bounds
di: Khribch, El Mahdi, et al.
Pubblicazione: (2024)

Beyond Benign Overfitting in Nadaraya-Watson Interpolators
di: Barzilai, Daniel, et al.
Pubblicazione: (2025)

Meta-Learning and representation learner: A short theoretical note
di: Bouchattaoui, Mouad El
Pubblicazione: (2024)

Transfer Learning for Benign Overfitting in High-Dimensional Linear Regression
di: Kim, Yeichan, et al.
Pubblicazione: (2025)

Learning Curves and Benign Overfitting of Spectral Algorithms in Large Dimensions
di: Lu, Weihao, et al.
Pubblicazione: (2026)

Benign Overfitting in Time Series Linear Models with Over-Parameterization
di: Nakakita, Shogo, et al.
Pubblicazione: (2022)

Mind the spikes: Benign overfitting of kernels and neural networks in fixed dimension
di: Haas, Moritz, et al.
Pubblicazione: (2023)

Dimension-agnostic inference using cross U-statistics
di: Kim, Ilmun, et al.
Pubblicazione: (2020)

Benign Overfitting under Learning Rate Conditions for $α$ Sub-exponential Input
di: Okudo, Kota, et al.
Pubblicazione: (2024)

A general framework for inference on algorithm-agnostic variable importance
di: Williamson, Brian D., et al.
Pubblicazione: (2020)

Model-agnostic information transfer and fusion for classification with label noise
di: Guojun, Zhu, et al.
Pubblicazione: (2026)

Optimal Excess Risk Bounds for Empirical Risk Minimization on $p$-Norm Linear Regression
di: Hanchi, Ayoub El, et al.
Pubblicazione: (2023)

Approaching the Harm of Gradient Attacks While Only Flipping Labels
di: El-Kabid, Abdessamad, et al.
Pubblicazione: (2025)

A Geometric Analysis of PCA
di: Hanchi, Ayoub El, et al.
Pubblicazione: (2025)

The loss landscape of deep linear neural networks: a second-order analysis
di: Achour, El Mehdi, et al.
Pubblicazione: (2021)

Benign Overfitting without Linearity: Neural Network Classifiers Trained by Gradient Descent for Noisy Linear Data
di: Frei, Spencer, et al.
Pubblicazione: (2022)

It's Hard to Be Normal: The Impact of Noise on Structure-agnostic Estimation
di: Jin, Jikai, et al.
Pubblicazione: (2025)

General reproducing properties in RKHS with application to derivative and integral operators
di: El-Boukkouri, Fatima-Zahrae, et al.
Pubblicazione: (2025)

Optimal structure learning and conditional independence testing
di: Gao, Ming, et al.
Pubblicazione: (2025)

Minimax Linear Regression under the Quantile Risk
di: Hanchi, Ayoub El, et al.
Pubblicazione: (2024)

On the Efficiency of ERM in Feature Learning
di: Hanchi, Ayoub El, et al.
Pubblicazione: (2024)

Characterizing the Generalization Error of Random Feature Regression with Arbitrary Data-Augmentation
di: Morisset, Lucas, et al.
Pubblicazione: (2026)

Structure-agnostic Optimality of Doubly Robust Learning for Treatment Effect Estimation
di: Jin, Jikai, et al.
Pubblicazione: (2024)

Universality of Benign Overfitting in Binary Linear Classification
di: Hashimoto, Ichiro, et al.
Pubblicazione: (2025)

Asymptotically Optimal Problem-Dependent Bandit Policies for Transfer Learning
di: Prevost, Adrien, et al.
Pubblicazione: (2025)

Higher-Order Regularization Learning on Hypergraphs
di: Weihs, Adrien, et al.
Pubblicazione: (2025)

Analysis of Semi-Supervised Learning on Hypergraphs
di: Weihs, Adrien, et al.
Pubblicazione: (2025)

Robust Bayesian Inference via Variational Approximations of Generalized Rho-Posteriors
di: Khribch, EL Mahdi, et al.
Pubblicazione: (2026)

Universality laws for Gaussian mixtures in generalized linear models
di: Dandi, Yatin, et al.
Pubblicazione: (2023)

High-probability zeroth-order online convex optimisation beyond Euclidean geometry
di: Janz, David, et al.
Pubblicazione: (2025)

Strong identifiability and parameter learning in regression with heterogeneous response
di: Do, Dat, et al.
Pubblicazione: (2022)

Maximizing the Potential of Synthetic Data: Insights from Random Matrix Theory
di: Firdoussi, Aymane El, et al.
Pubblicazione: (2024)

Benign overfitting in Fixed Dimension via Physics-Informed Learning with Smooth Inductive Bias
di: Wong, Honam, et al.
Pubblicazione: (2024)

Non-Asymptotic Analysis of Data Augmentation for Precision Matrix Estimation
di: Morisset, Lucas, et al.
Pubblicazione: (2025)

Sampling from multi-modal distributions with polynomial query complexity in fixed dimension via reverse diffusion
di: Vacher, Adrien, et al.
Pubblicazione: (2024)

Generalization Error Curves for Analytic Spectral Algorithms under Power-law Decay
di: Li, Yicheng, et al.
Pubblicazione: (2024)

Inferring the finest pattern of mutual independence from data
di: Marrelec, G., et al.
Pubblicazione: (2023)