Buchumschlag

A note on the impossibility of conditional PAC-efficient reasoning in large language models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Zeng, Hao
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Artificial Intelligence Statistics Theory
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Generalization Bounds: Perspectives from Information Theory and PAC-Bayes
von: Hellström, Fredrik, et al.
Veröffentlicht: (2023)

Unified Algorithms for RL with Decision-Estimation Coefficients: PAC, Reward-Free, Preference-Based Learning, and Beyond
von: Chen, Fan, et al.
Veröffentlicht: (2022)

RACER: Risk-Aware Calibrated Efficient Routing for Large Language Models
von: Hao, Sai, et al.
Veröffentlicht: (2026)

Counterfactual reasoning: an analysis of in-context emergence
von: Miller, Moritz, et al.
Veröffentlicht: (2025)

On the Provable Performance Guarantee of Efficient Reasoning Models
von: Zeng, Hao, et al.
Veröffentlicht: (2025)

Influence functions and regularity tangents for efficient active learning
von: Eaton, Frederik
Veröffentlicht: (2024)

A Unified Pair-GRPO Family: From Implicit to Explicit Preference Constraints for Stable and General RL Alignment
von: Yu, Hao
Veröffentlicht: (2026)

Path Regularization: A Near-Complete and Optimal Nonasymptotic Generalization Theory for Multilayer Neural Networks and Double Descent Phenomenon
von: Yu, Hao
Veröffentlicht: (2025)

What is causal about causal models and representations?
von: Jørgensen, Frederik Hytting, et al.
Veröffentlicht: (2025)

Class conditional conformal prediction for multiple inputs by p-value aggregation
von: Fermanian, Jean-Baptiste, et al.
Veröffentlicht: (2025)

Statistical inference with belief functions: A survey
von: Cuzzolin, Fabio
Veröffentlicht: (2026)

A Quantitative Characterization of Forgetting in Post-Training
von: Balasubramanian, Krishnakumar, et al.
Veröffentlicht: (2026)

The Geometry of Benchmarks: A New Path Toward AGI
von: Chojecki, Przemyslaw
Veröffentlicht: (2025)

Deep Ensembles for Epistemic Uncertainty: A Frequentist Perspective
von: Jain, Anchit, et al.
Veröffentlicht: (2025)

A Fine-Grained Understanding of Uniform Convergence for Halfspaces
von: Kontorovich, Aryeh, et al.
Veröffentlicht: (2026)

A Diffusion Analysis of Policy Gradient for Stochastic Bandits
von: Lattimore, Tor
Veröffentlicht: (2026)

A Computational Theory for Efficient Mini Agent Evaluation with Causal Guarantees
von: Yan, Hedong
Veröffentlicht: (2025)

A Theory of the Mechanics of Information: Generalization Through Measurement of Uncertainty (Learning is Measuring)
von: Hazard, Christopher J., et al.
Veröffentlicht: (2025)

Enjoying Non-linearity in Multinomial Logistic Bandits: A Minimax-Optimal Algorithm
von: Boudart, Pierre, et al.
Veröffentlicht: (2025)

A Statistical Analysis of Deep Federated Learning for Intrinsically Low-dimensional Data
von: Chakraborty, Saptarshi, et al.
Veröffentlicht: (2024)

Low-Dimensional Adaptation of Rectified Flow: A Diffusion and Stochastic Localization Perspective
von: Roy, Saptarshi, et al.
Veröffentlicht: (2026)

A comparative study of conformal prediction methods for valid uncertainty quantification in machine learning
von: Dewolf, Nicolas
Veröffentlicht: (2024)

Detailed balance in large language model-driven agents
von: Song, Zhuo-Yang, et al.
Veröffentlicht: (2025)

Efficient Knowledge Distillation via Curriculum Extraction
von: Gupta, Shivam, et al.
Veröffentlicht: (2025)

Risk Analysis and Design Against Adversarial Actions
von: Campi, Marco C., et al.
Veröffentlicht: (2025)

Navigating the Exploration-Exploitation Tradeoff in Inference-Time Scaling of Diffusion Models
von: Su, Xun, et al.
Veröffentlicht: (2025)

Solving a Research Problem in Mathematical Statistics with AI Assistance
von: Dobriban, Edgar
Veröffentlicht: (2025)

Cross-regularization: Adaptive Model Complexity through Validation Gradients
von: Brito, Carlos Stein
Veröffentlicht: (2025)

Residual Feature Integration is Sufficient to Prevent Negative Transfer
von: Xu, Yichen, et al.
Veröffentlicht: (2025)

Towards a Sharp Analysis of Offline Policy Learning for $f$-Divergence-Regularized Contextual Bandits
von: Zhao, Qingyue, et al.
Veröffentlicht: (2025)

Dense associative memory for Gaussian distributions
von: Tankala, Chandan, et al.
Veröffentlicht: (2025)

On the Statistical Capacity of Deep Generative Models
von: Tam, Edric, et al.
Veröffentlicht: (2025)

Provable Robust Overfitting Mitigation in Wasserstein Distributionally Robust Optimization
von: Liu, Shuang, et al.
Veröffentlicht: (2025)

When Can We Reuse a Calibration Set for Multiple Conformal Predictions?
von: Balinsky, A. A., et al.
Veröffentlicht: (2025)

How Particle-System Random Batch Methods Enhance Graph Transformer: Memory Efficiency and Parallel Computing Strategy
von: Liu, Hanwen, et al.
Veröffentlicht: (2025)

Generalizability of Neural Networks Minimizing Empirical Risk Based on Expressive Ability
von: Yu, Lijia, et al.
Veröffentlicht: (2025)

The Good, the Bad, and the Sampled: a No-Regret Approach to Safe Online Classification
von: Baharav, Tavor Z., et al.
Veröffentlicht: (2025)

On the Geometry of Receiver Operating Characteristic and Precision-Recall Curves
von: Sameni, Reza
Veröffentlicht: (2025)

Understanding In-Context Learning on Structured Manifolds: Bridging Attention to Kernel Methods
von: Shen, Zhaiming, et al.
Veröffentlicht: (2025)

Conformal Prediction for Privacy-Preserving Machine Learning
von: Balinsky, Alexander David, et al.
Veröffentlicht: (2025)