Buchumschlag

Enhancing Interpretable Image Classification Through LLM Agents and Conditional Concept Bottleneck Models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Jiang, Yiwen, Mehta, Deval, Feng, Wei, Ge, Zongyuan
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computation and Language
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

WISE: Weak-Supervision-Guided Step-by-Step Explanations for Multimodal LLMs in Image Classification
von: Jiang, Yiwen, et al.
Veröffentlicht: (2025)

Interpretable Few-Shot Retinal Disease Diagnosis with Concept-Guided Prompting of Vision-Language Models
von: Mehta, Deval, et al.
Veröffentlicht: (2025)

Neurosymbolic Framework for Concept-Driven Logical Reasoning in Skeleton-Based Human Action Recognition
von: Ilyas, Talha, et al.
Veröffentlicht: (2026)

Interpretable-by-Design Text Understanding with Iteratively Generated Concept Bottleneck
von: Ludan, Josh Magnus, et al.
Veröffentlicht: (2023)

LLM-based Hierarchical Concept Decomposition for Interpretable Fine-Grained Image Classification
von: Qu, Renyi, et al.
Veröffentlicht: (2024)

Concept Bottleneck Large Language Models
von: Sun, Chung-En, et al.
Veröffentlicht: (2024)

Towards Achieving Concept Completeness for Textual Concept Bottleneck Models
von: Bhan, Milan, et al.
Veröffentlicht: (2025)

ShifaMind: A Multiplicative Concept Bottleneck for Interpretable ICD-10 Coding
von: Syed, Mohammed Sameer, et al.
Veröffentlicht: (2026)

REC-CBM: Rubric-Aware Error-Correction Concept Bottleneck Models for Trustworthy Open-Ended Grading
von: Zhao, Chengshuai, et al.
Veröffentlicht: (2026)

CLIF: Concept-Level Influence Functions for Transparent Bottleneck Models
von: Sun, Yike, et al.
Veröffentlicht: (2026)

Mitigating Bias in Concept Bottleneck Models for Fair and Interpretable Image Classification
von: Tong, Schrasing, et al.
Veröffentlicht: (2026)

Concept Layers: Enhancing Interpretability and Intervenability via LLM Conceptualization
von: Bidusa, Or Raphael, et al.
Veröffentlicht: (2025)

Concepts in Motion: Temporal Concept Bottleneck Model for Interpretable Video Classification
von: Knab, Patrick, et al.
Veröffentlicht: (2025)

Transferring Expert Cognitive Models to Social Robots via Agentic Concept Bottleneck Models
von: Zhao, Xinyu, et al.
Veröffentlicht: (2025)

EssayCBM: Rubric-Aligned Concept Bottleneck Models for Transparent Essay Grading
von: Chaudhary, Kumar Satvik, et al.
Veröffentlicht: (2025)

Interpreting Language Models Through Concept Descriptions: A Survey
von: Feldhus, Nils, et al.
Veröffentlicht: (2025)

Concept Based Continuous Prompts for Interpretable Text Classification
von: Chen, Qian, et al.
Veröffentlicht: (2024)

Incentive-Aligned Multi-Source LLM Summaries
von: Jiang, Yanchen, et al.
Veröffentlicht: (2025)

Interpretable Generative Models through Post-hoc Concept Bottlenecks
von: Kulkarni, Akshay, et al.
Veröffentlicht: (2025)

From Actions to Understanding: Conformal Interpretability of Temporal Concepts in LLM Agents
von: Padhi, Trilok, et al.
Veröffentlicht: (2026)

Do No Harm: Exposing Hidden Vulnerabilities of LLMs via Persona-based Client Simulation Attack in Psychological Counseling
von: Xu, Qingyang, et al.
Veröffentlicht: (2026)

PsychEthicsBench: Evaluating Large Language Models Against Australian Mental Health Ethics
von: Shen, Yaling, et al.
Veröffentlicht: (2026)

MultiPress: A Multi-Agent Framework for Interpretable Multimodal News Classification
von: Luo, Tailong, et al.
Veröffentlicht: (2026)

Uncertainty-Aware Concept Bottleneck Models with Enhanced Interpretability
von: Zhang, Haifei, et al.
Veröffentlicht: (2025)

Looking for the Bottleneck in Fine-grained Temporal Relation Classification
von: Sousa, Hugo, et al.
Veröffentlicht: (2026)

Enhancing Fine-Grained Image Classifications via Cascaded Vision Language Models
von: Wei, Canshi
Veröffentlicht: (2024)

Enhancing Phrase Representation by Information Bottleneck Guided Text Diffusion Process for Keyphrase Extraction
von: Luo, Yuanzhen, et al.
Veröffentlicht: (2023)

Frame Representation Hypothesis: Multi-Token LLM Interpretability and Concept-Guided Text Generation
von: Valois, Pedro H. V., et al.
Veröffentlicht: (2024)

ABBEL: LLM Agents Acting through Belief Bottlenecks Expressed in Language
von: Lidayan, Aly, et al.
Veröffentlicht: (2025)

Enhancing Semantic Consistency of Large Language Models through Model Editing: An Interpretability-Oriented Approach
von: Yang, Jingyuan, et al.
Veröffentlicht: (2025)

IP-CRR: Information Pursuit for Interpretable Classification of Chest Radiology Reports
von: Ge, Yuyan, et al.
Veröffentlicht: (2025)

PABU: Progress-Aware Belief Update for Efficient LLM Agents
von: Jiang, Haitao, et al.
Veröffentlicht: (2026)

Interpretable Text Classification Applied to the Detection of LLM-generated Creative Writing
von: Suvanto, Minerva, et al.
Veröffentlicht: (2026)

CHiRPE: A Step Towards Real-World Clinical NLP with Clinician-Oriented Model Explanations
von: Fong, Stephanie, et al.
Veröffentlicht: (2026)

Interpretable Concept Bottlenecks to Align Reinforcement Learning Agents
von: Delfosse, Quentin, et al.
Veröffentlicht: (2024)

Concept Complement Bottleneck Model for Interpretable Medical Image Diagnosis
von: Wang, Hongmei, et al.
Veröffentlicht: (2024)

Towards Interpretable Radiology Report Generation via Concept Bottlenecks using a Multi-Agentic RAG
von: Alam, Hasan Md Tusfiqur, et al.
Veröffentlicht: (2024)

Enhancing LLM-Based Text Classification in Political Science: Automatic Prompt Optimization and Dynamic Exemplar Selection for Few-Shot Learning
von: Liu, Menglin, et al.
Veröffentlicht: (2024)

Defragmenting Language Models: An Interpretability-based Approach for Vocabulary Expansion
von: Mehta, Maitrey, et al.
Veröffentlicht: (2026)

IFShip: Interpretable Fine-grained Ship Classification with Domain Knowledge-Enhanced Vision-Language Models
von: Guo, Mingning, et al.
Veröffentlicht: (2024)