:: Library Catalog

Copertina

Salvato in:

Dettagli Bibliografici
Autori principali:	Naudot, Filip, Sundqvist, Tobias, Kampik, Timotheus
Natura:	Preprint
Pubblicazione:	2025
Soggetti:	Artificial Intelligence
Accesso online:	https://arxiv.org/abs/2511.01311
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Set Contribution Functions for Quantitative Bipolar Argumentation and their Principles
di: Naudot, Filip, et al.
Pubblicazione: (2025)

xSemAD: Explainable Semantic Anomaly Detection in Event Logs Using Sequence-to-Sequence Models
di: Busch, Kiran, et al.
Pubblicazione: (2024)

Specification, Application, and Operationalization of a Metamodel of Fairness
di: Mendez, Julian Alfredo, et al.
Pubblicazione: (2025)

Contribution Functions for Quantitative Bipolar Argumentation Graphs: A Principle-based Analysis
di: Kampik, Timotheus, et al.
Pubblicazione: (2024)

Disagree and Commit: Degrees of Argumentation-based Agreements
di: Kampik, Timotheus, et al.
Pubblicazione: (2024)

Can Proof Assistants Verify Multi-Agent Systems?
di: Mendez, Julian Alfredo, et al.
Pubblicazione: (2025)

Change in Quantitative Bipolar Argumentation: Sufficient, Necessary, and Counterfactual Explanations
di: Kampik, Timotheus, et al.
Pubblicazione: (2025)

Conversational Process Model Redesign
di: Klievtsova, Nataliia, et al.
Pubblicazione: (2025)

Strength Change Explanations in Quantitative Argumentation
di: Kampik, Timotheus, et al.
Pubblicazione: (2026)

Contestability in Quantitative Argumentation
di: Yin, Xiang, et al.
Pubblicazione: (2025)

AgentSimulator: An Agent-based Approach for Data-driven Business Process Simulation
di: Kirchdorfer, Lukas, et al.
Pubblicazione: (2024)

Formal Foundations of Agentic Business Process Management
di: De Giacomo, Giuseppe, et al.
Pubblicazione: (2026)

Implementing Agents in JavaScript
di: Kampik, Timotheus
Pubblicazione: (2025)

Conversational Process Modeling: Can Generative AI Empower Domain Experts in Creating and Redesigning Process Models?
di: Klievtsova, Nataliia, et al.
Pubblicazione: (2023)

Expressive Power and Complexity Results for SIGNAL, an Industry-scale Process Query Language
di: Kampik, Timotheus, et al.
Pubblicazione: (2023)

An approach for systematic decomposition of complex llm tasks
di: Zhou, Tianle, et al.
Pubblicazione: (2025)

dots.llm1 Technical Report
di: Huo, Bi, et al.
Pubblicazione: (2025)

A Perspective on Explainable Artificial Intelligence Methods: SHAP and LIME
di: Salih, Ahmed, et al.
Pubblicazione: (2023)

CQD-SHAP: Explainable Complex Query Answering via Shapley Values
di: Abbasi, Parsa, et al.
Pubblicazione: (2025)

Enhancing SHAP Explainability for Diagnostic and Prognostic ML Models in Alzheimer Disease
di: Guillén, Pablo, et al.
Pubblicazione: (2026)

Configurable multi-agent framework for scalable and realistic testing of llm-based agents
di: Wang, Sai, et al.
Pubblicazione: (2025)

The Distributional Uncertainty of the SHAP score in Explainable Machine Learning
di: Cifuentes, Santiago, et al.
Pubblicazione: (2024)

Eliminating stability hallucinations in llm-based tts models via attention guidance
di: Wang, ShiMing, et al.
Pubblicazione: (2025)

Privacy-Preserving Inconsistency Measurement
di: Corea, Carl, et al.
Pubblicazione: (2025)

Explainable Collaborative Problem Solving Diagnosis with BERT using SHAP and its Implications for Teacher Adoption
di: Wong, Kester, et al.
Pubblicazione: (2025)

JurEE not Judges: safeguarding llm interactions with small, specialised Encoder Ensembles
di: Nasrabadi, Dom
Pubblicazione: (2024)

SHAP Distance: An Explainability-Aware Metric for Evaluating the Semantic Fidelity of Synthetic Tabular Data
di: Yu, Ke, et al.
Pubblicazione: (2025)

Detecting Cybersecurity Threats by Integrating Explainable AI with SHAP Interpretability and Strategic Data Sampling
di: Srisumrith, Norrakith, et al.
Pubblicazione: (2026)

PolySHAP: Extending KernelSHAP with Interaction-Informed Polynomial Regression
di: Fumagalli, Fabian, et al.
Pubblicazione: (2026)

Interaction Tensor SHAP
di: Hasegawa, Hiroki, et al.
Pubblicazione: (2025)

sam-llm: interpretable lane change trajectoryprediction via parametric finetuning
di: Cao, Zhuo, et al.
Pubblicazione: (2025)

Safety, Liveness, and Fairness in Quantitative Argumentation Dialogues
di: Ganguly, Arunavo, et al.
Pubblicazione: (2026)

Towards trustable SHAP scores
di: Letoffe, Olivier, et al.
Pubblicazione: (2024)

CS-SHAP: Extending SHAP to Cyclic-Spectral Domain for Better Interpretability of Intelligent Fault Diagnosis
di: Chen, Qian, et al.
Pubblicazione: (2025)

Verified SHAP: Provable Bounds for Exact Shapley Values of Neural Networks
di: Boetius, David, et al.
Pubblicazione: (2026)

ContextualSHAP : Enhancing SHAP Explanations Through Contextual Language Generation
di: Dwiyanti, Latifa, et al.
Pubblicazione: (2025)

Interactive Diabetes Risk Prediction Using Explainable Machine Learning: A Dash-Based Approach with SHAP, LIME, and Comorbidity Insights
di: Allani, Udaya
Pubblicazione: (2025)

Align-Pro: A Principled Approach to Prompt Optimization for LLM Alignment
di: Trivedi, Prashant, et al.
Pubblicazione: (2025)

Explainable Fall Detection for Elderly Monitoring via Temporally Stable SHAP in Skeleton-Based Human Activity Recognition
di: Saleh, Mohammad, et al.
Pubblicazione: (2026)

Explanation Multiplicity in SHAP: Characterization and Assessment
di: Hwang, Hyunseung, et al.
Pubblicazione: (2026)