Buchumschlag

DAOpt: Modeling and Evaluation of Data-Driven Optimization under Uncertainty with LLMs

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhu, WenZhuo, Cui, Zheng, Lu, Wenhan, Liu, Sheng, Zhao, Yue
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Uncertainty-aware Traffic Prediction under Missing Data
von: Mei, Hao, et al.
Veröffentlicht: (2023)

OpenEstimate: Evaluating LLMs on Reasoning Under Uncertainty with Real-World Data
von: Renda, Alana, et al.
Veröffentlicht: (2025)

Can Data-Driven Dynamics Reveal Hidden Physics? There Is A Need for Interpretable Neural Operators
von: Gao, Wenhan, et al.
Veröffentlicht: (2025)

Understanding Reasoning in LLMs through Strategic Information Allocation under Uncertainty
von: Kim, Jeonghye, et al.
Veröffentlicht: (2026)

Can LLMs Leverage Observational Data? Towards Data-Driven Causal Discovery with LLMs
von: Susanti, Yuni, et al.
Veröffentlicht: (2025)

MixAtlas: Uncertainty-aware Data Mixture Optimization for Multimodal LLM Midtraining
von: Wen, Bingbing, et al.
Veröffentlicht: (2026)

UCPO: Uncertainty-Aware Policy Optimization
von: Zeng, Xianzhou, et al.
Veröffentlicht: (2026)

HalluGuard: Demystifying Data-Driven and Reasoning-Driven Hallucinations in LLMs
von: Zeng, Xinyue, et al.
Veröffentlicht: (2026)

Robust Federated Finetuning of LLMs via Alternating Optimization of LoRA
von: Chen, Shuangyi, et al.
Veröffentlicht: (2025)

OptMATH: A Scalable Bidirectional Data Synthesis Framework for Optimization Modeling
von: Lu, Hongliang, et al.
Veröffentlicht: (2025)

Is Your Model Fairly Certain? Uncertainty-Aware Fairness Evaluation for LLMs
von: Wang, Yinong Oliver, et al.
Veröffentlicht: (2025)

StructSynth: Leveraging LLMs for Structure-Aware Tabular Data Synthesis in Low-Data Regimes
von: Liu, Siyi, et al.
Veröffentlicht: (2025)

Functional Graphical Models: Structure Enables Offline Data-Driven Optimization
von: Kuba, Jakub Grudzien, et al.
Veröffentlicht: (2024)

Data Heterogeneity Modeling for Trustworthy Machine Learning
von: Liu, Jiashuo, et al.
Veröffentlicht: (2025)

It Takes a Good Model to Train a Good Model: Generalized Gaussian Priors for Optimized LLMs
von: Wu, Jun, et al.
Veröffentlicht: (2025)

HC-GAE: The Hierarchical Cluster-based Graph Auto-Encoder for Graph Representation Learning
von: Xu, Zhuo, et al.
Veröffentlicht: (2024)

Beyond Sharp Minima: Robust LLM Unlearning via Feedback-Guided Multi-Point Optimization
von: Wu, Wenhan, et al.
Veröffentlicht: (2025)

Online Irregular Multivariate Time Series Forecasting via Uncertainty-Driven Dual-Expert Calibration
von: Wen, Haonan, et al.
Veröffentlicht: (2026)

OntoTune: Ontology-Driven Learning for Query Optimization with Convolutional Models
von: Yue, Songhui, et al.
Veröffentlicht: (2025)

The Chicken and Egg Dilemma: Co-optimizing Data and Model Configurations for LLMs
von: Chen, Zhiliang, et al.
Veröffentlicht: (2026)

DUET: Optimizing Training Data Mixtures via Feedback from Unseen Evaluation Tasks
von: Chen, Zhiliang, et al.
Veröffentlicht: (2025)

Prosperity before Collapse: How Far Can Off-Policy RL Reach with Stale Data on LLMs?
von: Zheng, Haizhong, et al.
Veröffentlicht: (2025)

Adaptive Conformal Guidance for Learning under Uncertainty
von: Liu, Rui, et al.
Veröffentlicht: (2025)

Can LLMs Learn to Reason Robustly under Noisy Supervision?
von: Yang, Shenzhi, et al.
Veröffentlicht: (2026)

Calibration-Aware Policy Optimization for Reasoning LLMs
von: Wang, Ziqi, et al.
Veröffentlicht: (2026)

On Surprising Effectiveness of Masking Updates in Adaptive Optimizers
von: Joo, Taejong, et al.
Veröffentlicht: (2026)

MPPO: Multi Pair-wise Preference Optimization for LLMs with Arbitrary Negative Samples
von: Xie, Shuo, et al.
Veröffentlicht: (2024)

TabKANet: Tabular Data Modeling with Kolmogorov-Arnold Network and Transformer
von: Gao, Weihao, et al.
Veröffentlicht: (2024)

MMCircuitEval: A Comprehensive Multimodal Circuit-Focused Benchmark for Evaluating LLMs
von: Zhao, Chenchen, et al.
Veröffentlicht: (2025)

Evaluating LLMs Capabilities Towards Understanding Social Dynamics
von: Tahir, Anique, et al.
Veröffentlicht: (2024)

Exploring Response Uncertainty in MLLMs: An Empirical Evaluation under Misleading Scenarios
von: Dang, Yunkai, et al.
Veröffentlicht: (2024)

Task-Driven Causal Feature Distillation: Towards Trustworthy Risk Prediction
von: Chu, Zhixuan, et al.
Veröffentlicht: (2023)

TROJail: Trajectory-Level Optimization for Multi-Turn Large Language Model Jailbreaks with Process Rewards
von: Xiong, Xiqiao, et al.
Veröffentlicht: (2025)

Towards Reliable Time Series Forecasting under Future Uncertainty: Ambiguity and Novelty Rejection Mechanisms
von: Feng, Ninghui, et al.
Veröffentlicht: (2025)

Active Asymmetric Multi-Agent Multimodal Learning under Uncertainty
von: Liu, Rui, et al.
Veröffentlicht: (2026)

One-Way Policy Optimization for Self-Evolving LLMs
von: Yang, Shuo, et al.
Veröffentlicht: (2026)

Rank Also Matters: Hierarchical Configuration for Mixture of Adapter Experts in LLM Fine-Tuning
von: Cong, Peizhuang, et al.
Veröffentlicht: (2025)

Learning Scenario Reduction for Two-Stage Robust Optimization with Discrete Uncertainty
von: Lin, Tianjue, et al.
Veröffentlicht: (2026)

TrustGLM: Evaluating the Robustness of GraphLLMs Against Prompt, Text, and Structure Attacks
von: Zhang, Qihai, et al.
Veröffentlicht: (2025)

Conf-Gen: Conformal Uncertainty Quantification for Generative Models
von: Loaiza-Ganem, Gabriel, et al.
Veröffentlicht: (2026)