Buchumschlag

Approximate Replicability in Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Hopkins, Max, Impagliazzo, Russell, Ye, Christopher
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

Replicability in High Dimensional Statistics
von: Hopkins, Max, et al.
Veröffentlicht: (2024)

From Generative to Episodic: Sample-Efficient Replicable Reinforcement Learning
von: Hopkins, Max, et al.
Veröffentlicht: (2025)

High Rate Efficient Local List Decoding from HDX
von: Dikstein, Yotam, et al.
Veröffentlicht: (2026)

Replicable Reinforcement Learning with Linear Function Approximation
von: Eaton, Eric, et al.
Veröffentlicht: (2025)

Replicable Uniformity Testing
von: Liu, Sihan, et al.
Veröffentlicht: (2024)

Replicable Distribution Testing
von: Diakonikolas, Ilias, et al.
Veröffentlicht: (2025)

The Role of Randomness in Stability
von: Hopkins, Max, et al.
Veröffentlicht: (2025)

Replicable Online Learning
von: Ahmadi, Saba, et al.
Veröffentlicht: (2024)

On the Computational Landscape of Replicable Learning
von: Kalavasis, Alkis, et al.
Veröffentlicht: (2024)

The Cost of Replicability in Active Learning
von: Hira, Rupkatha, et al.
Veröffentlicht: (2024)

Realizable Learning is All You Need
von: Hopkins, Max, et al.
Veröffentlicht: (2021)

Do PAC-Learners Learn the Marginal Distribution?
von: Hopkins, Max, et al.
Veröffentlicht: (2023)

Lower Bounds for Bit Pigeonhole Principles in Bounded-Depth Resolution over Parities
von: Byramji, Farzan, et al.
Veröffentlicht: (2025)

List Replicable Reinforcement Learning
von: Zhang, Bohan, et al.
Veröffentlicht: (2025)

Adaptive Resolving Methods for Reinforcement Learning with Function Approximations
von: Jiang, Jiashuo, et al.
Veröffentlicht: (2025)

Borsuk-Ulam and Replicable Learning of Large-Margin Halfspaces
von: Blondal, Ari, et al.
Veröffentlicht: (2025)

Corruption-Robust Offline Reinforcement Learning with General Function Approximation
von: Ye, Chenlu, et al.
Veröffentlicht: (2023)

Replicable Constrained Bandits
von: Bollini, Matteo, et al.
Veröffentlicht: (2026)

Computationally Efficient Replicable Learning of Parities and Applications
von: Noivirt, Moshe, et al.
Veröffentlicht: (2026)

Replicable Learning of Large-Margin Halfspaces
von: Kalavasis, Alkis, et al.
Veröffentlicht: (2024)

Replication Study: Enhancing Hydrological Modeling with Physics-Guided Machine Learning
von: Esmaeilzadeh, Mostafa, et al.
Veröffentlicht: (2024)

Approximating Latent Manifolds in Neural Networks via Vanishing Ideals
von: Pelleriti, Nico, et al.
Veröffentlicht: (2025)

Lessons Learned: Reproducibility, Replicability, and When to Stop
von: Gomez, Milton S., et al.
Veröffentlicht: (2024)

Improved Replicable Boosting with Majority-of-Majorities
von: Larsen, Kasper Green, et al.
Veröffentlicht: (2025)

Stability and List-Replicability for Agnostic Learners
von: Blondal, Ari, et al.
Veröffentlicht: (2025)

Replicable Bandits with UCB based Exploration
von: Deb, Rohan, et al.
Veröffentlicht: (2026)

ERICA: Quantifying Replicability of Cluster Analysis
von: Sorooshyari, Siamak K., et al.
Veröffentlicht: (2026)

Manifold Trajectories in Next-Token Prediction: From Replicator Dynamics to Softmax Equilibrium
von: Lee-Jenkins, Christopher R.
Veröffentlicht: (2025)

Decoupled Descent: Exact Test Error Tracking Via Approximate Message Passing
von: Lovig, Max
Veröffentlicht: (2026)

Sensitivity of Stability: Theoretical & Empirical Analysis of Replicability for Adaptive Data Selection in Transfer Learning
von: Singh, Prabhav, et al.
Veröffentlicht: (2025)

Replicable Clustering
von: Esfandiari, Hossein, et al.
Veröffentlicht: (2023)

Replicable Composition
von: Banihashem, Kiarash, et al.
Veröffentlicht: (2026)

On the Replicability and Reproducibility of Deep Learning in Software Engineering
von: Liu, Chao, et al.
Veröffentlicht: (2020)

Replicability is Asymptotically Free in Multi-armed Bandits
von: Komiyama, Junpei, et al.
Veröffentlicht: (2024)

The Computational Complexity of Factored Graphs
von: Gupta, Shreya, et al.
Veröffentlicht: (2024)

Approximate Equivariance in Reinforcement Learning
von: Park, Jung Yeon, et al.
Veröffentlicht: (2024)

Rescaled Influence Functions: Accurate Data Attribution in High Dimension
von: Rubinstein, Ittai, et al.
Veröffentlicht: (2025)

Factorio Learning Environment
von: Hopkins, Jack, et al.
Veröffentlicht: (2025)

The Sample Complexity of Replicable Realizable PAC Learning
von: Larsen, Kasper Green, et al.
Veröffentlicht: (2026)

Poisoning Bayesian Inference via Data Deletion and Replication
von: Carreau, Matthieu, et al.
Veröffentlicht: (2025)