Copertina

Towards Reasonable Concept Bottleneck Models

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Kalampalikis, Nektarios, Gupta, Kavya, Vitanov, Georgi, Valera, Isabel
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

First-See-Then-Design: A Multi-Stakeholder View for Optimal Performance-Fairness Trade-Offs
di: Gupta, Kavya, et al.
Pubblicazione: (2026)

A Causal Framework to Measure and Mitigate Non-binary Treatment Discrimination
di: Majumdar, Ayan, et al.
Pubblicazione: (2025)

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

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

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

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

Revealing Combinatorial Reasoning of GNNs via Graph Concept Bottleneck Layer
di: Niu, Yue, 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)

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)

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)

Hellinger Multimodal Variational Autoencoders
di: Vo, Huyen, et al.
Pubblicazione: (2026)

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

An Analysis of Concept Bottleneck Models: Measuring, Understanding, and Mitigating the Impact of Noisy Annotations
di: Park, Seonghwan, et al.
Pubblicazione: (2025)

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

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)

Marco-o1 v2: Towards Widening The Distillation Bottleneck for Reasoning Models
di: Yin, Huifeng, et al.
Pubblicazione: (2025)

COPA: Comparing the incomparable in multi-objective model evaluation
di: Javaloy, Adrián, et al.
Pubblicazione: (2025)

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

A survey on Concept-based Approaches For Model Improvement
di: Gupta, Avani, et al.
Pubblicazione: (2024)

Energy-Based Concept Bottleneck Models: Unifying Prediction, Concept Intervention, and Probabilistic Interpretations
di: Xu, Xinyue, et al.
Pubblicazione: (2024)

Adaptive Concept Bottleneck for Foundation Models Under Distribution Shifts
di: Choi, Jihye, et al.
Pubblicazione: (2024)

Breaking the Exploration Bottleneck: Rubric-Scaffolded Reinforcement Learning for General LLM Reasoning
di: Zhou, Yang, et al.
Pubblicazione: (2025)

Interpretable Concept-Based Memory Reasoning
di: Debot, David, et al.
Pubblicazione: (2024)

Leveraging Knowledge Graphs and LLM Reasoning to Identify Operational Bottlenecks for Warehouse Planning Assistance
di: Parekh, Rishi, et al.
Pubblicazione: (2025)

Dynamic Large Concept Models: Latent Reasoning in an Adaptive Semantic Space
di: Qu, Xingwei, et al.
Pubblicazione: (2025)

Towards Better Generalization and Interpretability in Unsupervised Concept-Based Models
di: De Santis, Francesco, et al.
Pubblicazione: (2025)

Discover-then-Name: Task-Agnostic Concept Bottlenecks via Automated Concept Discovery
di: Rao, Sukrut, et al.
Pubblicazione: (2024)

Towards Large Reasoning Models for Agriculture
di: Zaremehrjerdi, Hossein, et al.
Pubblicazione: (2025)