Buchumschlag

OpenApps: Simulating Environment Variations to Measure UI-Agent Reliability

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Ullrich, Karen, Su, Jingtong, Shi, Claudia, Subramonian, Arjun, Bar, Amir, Evtimov, Ivan, Tsilivis, Nikolaos, Balestriero, Randall, Kempe, Julia, Ibrahim, Mark
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

How Reinforcement Learning After Next-Token Prediction Facilitates Learning
von: Tsilivis, Nikolaos, et al.
Veröffentlicht: (2025)

On the Robustness of Neural Collapse and the Neural Collapse of Robustness
von: Su, Jingtong, et al.
Veröffentlicht: (2023)

From Concepts to Components: Concept-Agnostic Attention Module Discovery in Transformers
von: Su, Jingtong, et al.
Veröffentlicht: (2025)

Mission Impossible: A Statistical Perspective on Jailbreaking LLMs
von: Su, Jingtong, et al.
Veröffentlicht: (2024)

Flavors of Margin: Implicit Bias of Steepest Descent in Homogeneous Neural Networks
von: Tsilivis, Nikolaos, et al.
Veröffentlicht: (2024)

The Price of Implicit Bias in Adversarially Robust Generalization
von: Tsilivis, Nikolaos, et al.
Veröffentlicht: (2024)

On the Geometry of Regularization in Adversarial Training: High-Dimensional Asymptotics and Generalization Bounds
von: Vilucchio, Matteo, et al.
Veröffentlicht: (2024)

Strong Model Collapse
von: Dohmatob, Elvis, et al.
Veröffentlicht: (2024)

Attacking Bayes: On the Adversarial Robustness of Bayesian Neural Networks
von: Feng, Yunzhen, et al.
Veröffentlicht: (2024)

No Location Left Behind: Measuring and Improving the Fairness of Implicit Representations for Earth Data
von: Cai, Daniel, et al.
Veröffentlicht: (2025)

auto-fpt: Automating Free Probability Theory Calculations for Machine Learning Theory
von: Subramonian, Arjun, et al.
Veröffentlicht: (2025)

A Single Character can Make or Break Your LLM Evals
von: Su, Jingtong, et al.
Veröffentlicht: (2025)

Occam's Razor for Self Supervised Learning: What is Sufficient to Learn Good Representations?
von: Ibrahim, Mark, et al.
Veröffentlicht: (2024)

Theoretical and Empirical Insights into the Origins of Degree Bias in Graph Neural Networks
von: Subramonian, Arjun, et al.
Veröffentlicht: (2024)

Networked Inequality: Preferential Attachment Bias in Graph Neural Network Link Prediction
von: Subramonian, Arjun, et al.
Veröffentlicht: (2023)

Task Priors: Enhancing Model Evaluation by Considering the Entire Space of Downstream Tasks
von: Patel, Niket, et al.
Veröffentlicht: (2025)

Eidetic Learning: an Efficient and Provable Solution to Catastrophic Forgetting
von: Dronen, Nicholas, et al.
Veröffentlicht: (2025)

SAFE: A Novel Approach to AI Weather Evaluation through Stratified Assessments of Forecasts over Earth
von: Masi, Nick, et al.
Veröffentlicht: (2025)

ALLoRA: Adaptive Learning Rate Mitigates LoRA Fatal Flaws
von: Huang, Hai, et al.
Veröffentlicht: (2024)

Weisfeiler and Leman Go Measurement Modeling: Probing the Validity of the WL Test
von: Subramonian, Arjun, et al.
Veröffentlicht: (2023)

Fast and Exact Enumeration of Deep Networks Partitions Regions
von: Balestriero, Randall, et al.
Veröffentlicht: (2024)

LeJEPA: Provable and Scalable Self-Supervised Learning Without the Heuristics
von: Balestriero, Randall, et al.
Veröffentlicht: (2025)

Learning by Reconstruction Produces Uninformative Features For Perception
von: Balestriero, Randall, et al.
Veröffentlicht: (2024)

Post-Hoc Guidance for Consistency Models by Joint Flow Distribution Learning
von: Hsu, Chia-Hong, et al.
Veröffentlicht: (2026)

Uncertainty-Based Abstention in LLMs Improves Safety and Reduces Hallucinations
von: Tomani, Christian, et al.
Veröffentlicht: (2024)

Understanding "Democratization" in NLP and ML Research
von: Subramonian, Arjun, et al.
Veröffentlicht: (2024)

Stop! In the Name of Flaws: Disentangling Personal Names and Sociodemographic Attributes in NLP
von: Gautam, Vagrant, et al.
Veröffentlicht: (2024)

VISReg: Variance-Invariance-Sketching Regularization for JEPA training
von: Wu, Haiyu, et al.
Veröffentlicht: (2026)

Curvature Tuning: Provable Training-free Model Steering From a Single Parameter
von: Hu, Leyang, et al.
Veröffentlicht: (2025)

Characterizing Large Language Model Geometry Helps Solve Toxicity Detection and Generation
von: Balestriero, Randall, et al.
Veröffentlicht: (2023)

Self-Supervised Anomaly Detection in the Wild: Favor Joint Embeddings Methods
von: Otero, Daniel, et al.
Veröffentlicht: (2024)

The Fair Language Model Paradox
von: Pinto, Andrea, et al.
Veröffentlicht: (2024)

Joint Embedding vs Reconstruction: Provable Benefits of Latent Space Prediction for Self Supervised Learning
von: Van Assel, Hugues, et al.
Veröffentlicht: (2025)

User-Centric Design of UI for Mobile Banking Apps: Improving UI and Features for Better Customer Experience
von: Chitrakar, Luniva, et al.
Veröffentlicht: (2026)

Disentangling Geometry, Performance, and Training in Language Models
von: Kulkarni, Atharva, et al.
Veröffentlicht: (2026)

An Effective Theory of Bias Amplification
von: Subramonian, Arjun, et al.
Veröffentlicht: (2024)

Learning to Think from Multiple Thinkers
von: Joshi, Nirmit, et al.
Veröffentlicht: (2026)

Deep Networks Always Grok and Here is Why
von: Humayun, Ahmed Imtiaz, et al.
Veröffentlicht: (2024)

LLM-JEPA: Large Language Models Meet Joint Embedding Predictive Architectures
von: Huang, Hai, et al.
Veröffentlicht: (2025)

Semantic Tube Prediction: Beating LLM Data Efficiency with JEPA
von: Huang, Hai, et al.
Veröffentlicht: (2026)