:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Ding, Kaihua
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	https://arxiv.org/abs/2509.22751
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Learning Quantifiable Visual Explanations Without Ground-Truth
von: Singh, Amritpal, et al.
Veröffentlicht: (2026)

Evaluating Model Explanations without Ground Truth
von: Rawal, Kaivalya, et al.
Veröffentlicht: (2025)

Fairness Evaluation for Uplift Modeling in the Absence of Ground Truth
von: Kadioglu, Serdar, et al.
Veröffentlicht: (2024)

Confidence Calibration under Ambiguous Ground Truth
von: Tao, Linwei, et al.
Veröffentlicht: (2026)

Iterative Causal Segmentation: Filling the Gap between Market Segmentation and Marketing Strategy
von: Ding, Kaihua, et al.
Veröffentlicht: (2024)

From Ground Truth to Measurement: A Statistical Framework for Human Labeling
von: Chew, Robert, et al.
Veröffentlicht: (2026)

xaitimesynth: A Python Package for Evaluating Attribution Methods for Time Series with Synthetic Ground Truth
von: Baer, Gregor
Veröffentlicht: (2026)

Synthetic Data and the Shifting Ground of Truth
von: Offenhuber, Dietmar
Veröffentlicht: (2025)

Position: AI Evaluations Should be Grounded on a Theory of Capability
von: Jo, Nathanael, et al.
Veröffentlicht: (2025)

Variance-Dependent Regret Lower Bounds for Contextual Bandits
von: He, Jiafan, et al.
Veröffentlicht: (2025)

Designing AI-Resilient Assessments Using Interconnected Problems: A Theoretically Grounded and Empirically Validated Framework
von: Ding, Kaihua
Veröffentlicht: (2025)

Quantifying Variance in Evaluation Benchmarks
von: Madaan, Lovish, et al.
Veröffentlicht: (2024)

Variance-Dependent Regret Bounds for Non-stationary Linear Bandits
von: Wang, Zhiyong, et al.
Veröffentlicht: (2024)

Feature-Centric Unsupervised Node Representation Learning Without Homophily Assumption
von: Kim, Sunwoo, et al.
Veröffentlicht: (2025)

The Scaling Law of Evaluation Failure: Why Simple Averaging Collapses Under Data Sparsity and Item Difficulty Gaps, and How Item Response Theory Recovers Ground Truth Across Domains
von: Kang, Jung Min
Veröffentlicht: (2026)

Ranking Large Language Models without Ground Truth
von: Dhurandhar, Amit, et al.
Veröffentlicht: (2024)

Ground-Truth Subgraphs for Better Training and Evaluation of Knowledge Graph Augmented LLMs
von: Cattaneo, Alberto, et al.
Veröffentlicht: (2025)

Grounded Object Centric Learning
von: Kori, Avinash, et al.
Veröffentlicht: (2023)

A Confidence-Variance Theory for Pseudo-Label Selection in Semi-Supervised Learning
von: Liu, Jinshi, et al.
Veröffentlicht: (2026)

Conflict-Aware Pseudo Labeling via Optimal Transport for Entity Alignment
von: Ding, Qijie, et al.
Veröffentlicht: (2022)

GT-Space: Enhancing Heterogeneous Collaborative Perception with Ground Truth Feature Space
von: Wang, Wentao, et al.
Veröffentlicht: (2026)

A Framework for Fair Evaluation of Variance-Aware Bandit Algorithms
von: Wolf, Elise
Veröffentlicht: (2025)

Minimax Optimal Variance-Aware Regret Bounds for Multinomial Logistic MDPs
von: Boudart, Pierre, et al.
Veröffentlicht: (2026)

Decision-Centric Design for LLM Systems
von: Sun, Wei
Veröffentlicht: (2026)

DataMaster: Data-Centric Autonomous AI Research
von: Du, Yaxin, et al.
Veröffentlicht: (2026)

Towards Unified Attribution in Explainable AI, Data-Centric AI, and Mechanistic Interpretability
von: Zhang, Shichang, et al.
Veröffentlicht: (2025)

Low Variance Off-policy Evaluation with State-based Importance Sampling
von: Bossens, David M., et al.
Veröffentlicht: (2022)

Mastering Chinese Chess AI (Xiangqi) Without Search
von: Chen, Yu, et al.
Veröffentlicht: (2024)

Can Generative AI Support Patients' & Caregivers' Informational Needs? Towards Task-Centric Evaluation Of AI Systems
von: Rajagopal, Shreya, et al.
Veröffentlicht: (2024)

Emergent Visual Grounding in Large Multimodal Models Without Grounding Supervision
von: Cao, Shengcao, et al.
Veröffentlicht: (2024)

DSAI: Unbiased and Interpretable Latent Feature Extraction for Data-Centric AI
von: Cho, Hyowon, et al.
Veröffentlicht: (2024)

Reducing Credit Assignment Variance via Counterfactual Reasoning Paths
von: Ding, Fei, et al.
Veröffentlicht: (2026)

A Survey on Data-Centric AI: Tabular Learning from Reinforcement Learning and Generative AI Perspective
von: Ying, Wangyang, et al.
Veröffentlicht: (2025)

TruthRL: Incentivizing Truthful LLMs via Reinforcement Learning
von: Wei, Zhepei, et al.
Veröffentlicht: (2025)

Toward an Evaluation Science for Generative AI Systems
von: Weidinger, Laura, et al.
Veröffentlicht: (2025)

BEVDiffuser: Plug-and-Play Diffusion Model for BEV Denoising with Ground-Truth Guidance
von: Ye, Xin, et al.
Veröffentlicht: (2025)

Data-Centric Foundation Models in Computational Healthcare: A Survey
von: Zhang, Yunkun, et al.
Veröffentlicht: (2024)

Measuring What AI Systems Might Do: Towards A Measurement Science in AI
von: Voudouris, Konstantinos, et al.
Veröffentlicht: (2026)

TruthFlow: Truthful LLM Generation via Representation Flow Correction
von: Wang, Hanyu, et al.
Veröffentlicht: (2025)

Incentivizing Truthfulness and Collaborative Fairness in Bayesian Learning
von: Sim, Rachael Hwee Ling, et al.
Veröffentlicht: (2026)