Copertina

Panprediction: Optimal Predictions for Any Downstream Task and Loss

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Balakrishnan, Sivaraman, Haghtalab, Nika, Hsu, Daniel, Lee, Brian, Zhao, Eric
Natura:	Preprint
Pubblicazione:	2025
Soggetti:	Machine Learning
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

On-Demand Sampling: Learning Optimally from Multiple Distributions
di: Haghtalab, Nika, et al.
Pubblicazione: (2022)

From Style to Facts: Mapping the Boundaries of Knowledge Injection with Finetuning
di: Zhao, Eric, et al.
Pubblicazione: (2025)

Learning With Multi-Group Guarantees For Clusterable Subpopulations
di: Dai, Jessica, et al.
Pubblicazione: (2024)

On Surjectivity of Neural Networks: Can you elicit any behavior from your model?
di: Jiang, Haozhe, et al.
Pubblicazione: (2025)

Diffusion Language Models are Provably Optimal Parallel Samplers
di: Jiang, Haozhe, et al.
Pubblicazione: (2025)

Algorithmic Content Selection and the Impact of User Disengagement
di: Calvano, Emilio, et al.
Pubblicazione: (2024)

ShakyPrepend: A Multi-Group Learner with Improved Sample Complexity
di: Zhang, Lujing, et al.
Pubblicazione: (2026)

Truthfulness of Calibration Measures
di: Haghtalab, Nika, et al.
Pubblicazione: (2024)

Stability Bounds for Smooth Optimal Transport Maps and their Statistical Implications
di: Balakrishnan, Sivaraman, et al.
Pubblicazione: (2025)

Sample-Adaptivity Tradeoff in On-Demand Sampling
di: Haghtalab, Nika, et al.
Pubblicazione: (2025)

Distortion of AI Alignment: Does Preference Optimization Optimize for Preferences?
di: Gölz, Paul, et al.
Pubblicazione: (2025)

Delegating Data Collection in Decentralized Machine Learning
di: Ananthakrishnan, Nivasini, et al.
Pubblicazione: (2023)

Statistical Inference for Optimal Transport Maps: Recent Advances and Perspectives
di: Balakrishnan, Sivaraman, et al.
Pubblicazione: (2025)

Is Knowledge Power? On the (Im)possibility of Learning from Strategic Interactions
di: Ananthakrishnan, Nivasini, et al.
Pubblicazione: (2024)

Plugin Estimation of Smooth Optimal Transport Maps
di: Manole, Tudor, et al.
Pubblicazione: (2021)

Can Probabilistic Feedback Drive User Impacts in Online Platforms?
di: Dai, Jessica, et al.
Pubblicazione: (2024)

Smooth Nash Equilibria: Algorithms and Complexity
di: Daskalakis, Constantinos, et al.
Pubblicazione: (2023)

Learning in Stackelberg Games with Non-myopic Agents
di: Haghtalab, Nika, et al.
Pubblicazione: (2022)

Improved Bayes Risk Can Yield Reduced Social Welfare Under Competition
di: Jagadeesan, Meena, et al.
Pubblicazione: (2023)

Covert Malicious Finetuning: Challenges in Safeguarding LLM Adaptation
di: Halawi, Danny, et al.
Pubblicazione: (2024)

Any2Graph: Deep End-To-End Supervised Graph Prediction With An Optimal Transport Loss
di: Krzakala, Paul, et al.
Pubblicazione: (2024)

ECG Latent Feature Extraction with Autoencoders for Downstream Prediction Tasks
di: Harvey, Christopher, et al.
Pubblicazione: (2025)

Fairness-Optimized Synthetic EHR Generation for Arbitrary Downstream Predictive Tasks
di: Tarek, Mirza Farhan Bin, et al.
Pubblicazione: (2024)

The Fundamental Limits of Structure-Agnostic Functional Estimation
di: Balakrishnan, Sivaraman, et al.
Pubblicazione: (2023)

Comparison of Autoencoder Encodings for ECG Representation in Downstream Prediction Tasks
di: Harvey, Christopher J., et al.
Pubblicazione: (2024)

On Robust Hypothesis Testing with respect to the Hellinger Distance
di: Modak, Eeshan, et al.
Pubblicazione: (2025)

Smoke and Mirrors in Causal Downstream Tasks
di: Cadei, Riccardo, et al.
Pubblicazione: (2024)

Semi-Supervised U-statistics
di: Kim, Ilmun, et al.
Pubblicazione: (2024)

Subliminal Effects in Your Data: A General Mechanism via Log-Linearity
di: Aden-Ali, Ishaq, et al.
Pubblicazione: (2026)

Mixing Configurations for Downstream Prediction
di: Wang, Juntang, et al.
Pubblicazione: (2025)

AnyLoss: Transforming Classification Metrics into Loss Functions
di: Han, Doheon, et al.
Pubblicazione: (2024)

Dataset Representativeness and Downstream Task Fairness
di: Borza, Victor, et al.
Pubblicazione: (2024)

Symbolic Representation for Any-to-Any Generative Tasks
di: Chen, Jiaqi, et al.
Pubblicazione: (2025)

Handling Missing Data in Downstream Tasks With Distribution-Preserving Guarantees
di: Bordoloi, Rahul, et al.
Pubblicazione: (2025)

Aligning the Evaluation of Probabilistic Predictions with Downstream Value
di: Shahroudi, Novin, et al.
Pubblicazione: (2025)

Nexus: Same Pretraining Loss, Better Downstream Generalization via Common Minima
di: Chen, Huanran, et al.
Pubblicazione: (2026)

Double Cross-fit Doubly Robust Estimators: Beyond Series Regression
di: McClean, Alec, et al.
Pubblicazione: (2024)

Attacking Attention of Foundation Models Disrupts Downstream Tasks
di: Silva, Hondamunige Prasanna, et al.
Pubblicazione: (2025)

Towards a Unified Representation Evaluation Framework Beyond Downstream Tasks
di: Plachouras, Christos, et al.
Pubblicazione: (2025)

Pretraining Induces a Reusable Spectral Basis for Downstream Task Adaptation
di: Yu, Junjie, et al.
Pubblicazione: (2026)