Buchumschlag

Statistical Inference for Responsiveness Verification

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Cheon, Seung Hyun, Stewart, Meredith, Kulynych, Bogdan, Weng, Tsui-Wei, Ustun, Berk
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Prediction without Preclusion: Recourse Verification with Reachable Sets
von: Kothari, Avni, et al.
Veröffentlicht: (2023)

Understanding Fixed Predictions via Confined Regions
von: Lawless, Connor, et al.
Veröffentlicht: (2025)

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

Feature Responsiveness Scores: Model-Agnostic Explanations for Recourse
von: Cheon, Harry, et al.
Veröffentlicht: (2024)

Observational Multiplicity
von: George, Erin, et al.
Veröffentlicht: (2025)

Classification with Conceptual Safeguards
von: Joren, Hailey, et al.
Veröffentlicht: (2024)

Lost in the Averages: A New Specific Setup to Evaluate Membership Inference Attacks Against Machine Learning Models
von: Krčo, Nataša, et al.
Veröffentlicht: (2024)

Explanations are a Means to an End: Decision Theoretic Explanation Evaluation
von: Guo, Ziyang, et al.
Veröffentlicht: (2025)

Should I use Synthetic Data for That? An Analysis of the Suitability of Synthetic Data for Data Sharing and Augmentation
von: Kulynych, Bogdan, et al.
Veröffentlicht: (2026)

Tight Auditing of Differential Privacy in MST and AIM
von: Ganev, Georgi, et al.
Veröffentlicht: (2026)

Regretful Decisions under Label Noise
von: Nagaraj, Sujay, et al.
Veröffentlicht: (2025)

The Fundamental Limits of Least-Privilege Learning
von: Stadler, Theresa, et al.
Veröffentlicht: (2024)

Linear Explanations for Individual Neurons
von: Oikarinen, Tuomas, et al.
Veröffentlicht: (2024)

Evaluating Neuron Explanations: A Unified Framework with Sanity Checks
von: Oikarinen, Tuomas, et al.
Veröffentlicht: (2025)

RAT: Boosting Misclassification Detection Ability without Extra Data
von: Yan, Ge, et al.
Veröffentlicht: (2025)

Interpretability-Guided Test-Time Adversarial Defense
von: Kulkarni, Akshay, et al.
Veröffentlicht: (2024)

Faithful and Stable Neuron Explanations for Trustworthy Mechanistic Interpretability
von: Yan, Ge, et al.
Veröffentlicht: (2025)

Unifying Re-Identification, Attribute Inference, and Data Reconstruction Risks in Differential Privacy
von: Kulynych, Bogdan, et al.
Veröffentlicht: (2025)

FINEST: Stabilizing Recommendations by Rank-Preserving Fine-Tuning
von: Oh, Sejoon, et al.
Veröffentlicht: (2024)

ThinkEdit: Interpretable Weight Editing to Mitigate Overly Short Thinking in Reasoning Models
von: Sun, Chung-En, et al.
Veröffentlicht: (2025)

Effective Skill Unlearning through Intervention and Abstention
von: Li, Yongce, et al.
Veröffentlicht: (2025)

Crafting Large Language Models for Enhanced Interpretability
von: Sun, Chung-En, et al.
Veröffentlicht: (2024)

Breaking the Barrier: Enhanced Utility and Robustness in Smoothed DRL Agents
von: Sun, Chung-En, et al.
Veröffentlicht: (2024)

VLG-CBM: Training Concept Bottleneck Models with Vision-Language Guidance
von: Srivastava, Divyansh, et al.
Veröffentlicht: (2024)

Unsupervised Machine Learning for Detecting Structural Anomalies in European Regional Statistics
von: Oancea, Bogdan
Veröffentlicht: (2026)

Graph Concept Bottleneck Models
von: Xu, Haotian, et al.
Veröffentlicht: (2025)

Learning under Temporal Label Noise
von: Nagaraj, Sujay, et al.
Veröffentlicht: (2024)

Provably Robust Conformal Prediction with Improved Efficiency
von: Yan, Ge, et al.
Veröffentlicht: (2024)

Resting Neurons, Active Insights: Robustifying Activation Sparsity in LLMs via Spontaneity
von: Xu, Haotian, et al.
Veröffentlicht: (2025)

Attack-Aware Noise Calibration for Differential Privacy
von: Kulynych, Bogdan, et al.
Veröffentlicht: (2024)

Participatory Assessment of Large Language Model Applications in an Academic Medical Center
von: Carra, Giorgia, et al.
Veröffentlicht: (2024)

Beyond Top Activations: Efficient and Reliable Crowdsourced Evaluation of Automated Interpretability
von: Oikarinen, Tuomas, et al.
Veröffentlicht: (2025)

CI-CBM: Class-Incremental Concept Bottleneck Model for Interpretable Continual Learning
von: Javadi, Amirhosein, et al.
Veröffentlicht: (2026)

Predictive Churn with the Set of Good Models
von: Watson-Daniels, Jamelle, et al.
Veröffentlicht: (2024)

Gaussian DP for Reporting Differential Privacy Guarantees in Machine Learning
von: Gomez, Juan Felipe, et al.
Veröffentlicht: (2025)

Abstracted Shapes as Tokens -- A Generalizable and Interpretable Model for Time-series Classification
von: Wen, Yunshi, et al.
Veröffentlicht: (2024)

Minimax optimal transfer learning for high-dimensional additive regression
von: Moon, Seung Hyun
Veröffentlicht: (2025)

Probabilistic Federated Prompt-Tuning with Non-IID and Imbalanced Data
von: Weng, Pei-Yau, et al.
Veröffentlicht: (2025)

Do More Predictions Improve Statistical Inference? Filtered Prediction-Powered Inference
von: Xu, Shirong, et al.
Veröffentlicht: (2026)

Statistical Runtime Verification for LLMs via Robustness Estimation
von: Levy, Natan, et al.
Veröffentlicht: (2025)