Buchumschlag

Is BatchEnsemble a Single Model? On Calibration and Diversity of Efficient Ensembles

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zamyatin, Anton, Indri, Patrick, Malhotra, Sagar, Gärtner, Thomas
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Probably Approximately Global Robustness Certification
von: Blohm, Peter, et al.
Veröffentlicht: (2025)

Evaluating Prediction Uncertainty Estimates from BatchEnsemble
von: Blørstad, Morten, et al.
Veröffentlicht: (2026)

Logical Distillation of Graph Neural Networks
von: Pluska, Alexander, et al.
Veröffentlicht: (2024)

Ensembling Tabular Foundation Models - A Diversity Ceiling And A Calibration Trap
von: Tanna, Aditya, et al.
Veröffentlicht: (2026)

Batch Ensemble for Variance Dependent Regret in Stochastic Bandits
von: Cassel, Asaf, et al.
Veröffentlicht: (2024)

Prime Implicant Explanations for Reaction Feasibility Prediction
von: Weinbauer, Klaus, et al.
Veröffentlicht: (2025)

On Joint Regularization and Calibration in Deep Ensembles
von: Fredsgaard, Laurits, et al.
Veröffentlicht: (2025)

LLM-TOPLA: Efficient LLM Ensemble by Maximising Diversity
von: Tekin, Selim Furkan, et al.
Veröffentlicht: (2024)

The Curse of Diversity in Ensemble-Based Exploration
von: Lin, Zhixuan, et al.
Veröffentlicht: (2024)

Pathologies of Predictive Diversity in Deep Ensembles
von: Abe, Taiga, et al.
Veröffentlicht: (2023)

On Local Limits of Sparse Random Graphs: Color Convergence and the Refined Configuration Model
von: Pluska, Alexander, et al.
Veröffentlicht: (2025)

Ensemble Threshold Calibration for Stable Sensitivity Control
von: Daras, John N.
Veröffentlicht: (2025)

LHGEL: Large Heterogeneous Graph Ensemble Learning using Batch View Aggregation
von: Shen, Jiajun, et al.
Veröffentlicht: (2025)

Effectiveness of Tree-based Ensembles for Anomaly Discovery: Insights, Batch and Streaming Active Learning
von: Das, Shubhomoy, et al.
Veröffentlicht: (2019)

GETS: Ensemble Temperature Scaling for Calibration in Graph Neural Networks
von: Zhuang, Dingyi, et al.
Veröffentlicht: (2024)

Deep Ensemble Shape Calibration: Multi-Field Post-hoc Calibration in Online Advertising
von: Yang, Shuai, et al.
Veröffentlicht: (2024)

(Implicit) Ensembles of Ensembles: Epistemic Uncertainty Collapse in Large Models
von: Kirsch, Andreas
Veröffentlicht: (2024)

SAE: Single Architecture Ensemble Neural Networks
von: Ferianc, Martin, et al.
Veröffentlicht: (2024)

Contextual Similarity Distillation: Ensemble Uncertainties with a Single Model
von: Zanger, Moritz A., et al.
Veröffentlicht: (2025)

Split-Ensemble: Efficient OOD-aware Ensemble via Task and Model Splitting
von: Chen, Anthony, et al.
Veröffentlicht: (2023)

Neuro-inspired Ensemble-to-Ensemble Communication Primitives for Sparse and Efficient ANNs
von: Konstantaropoulos, Orestis, et al.
Veröffentlicht: (2025)

Packed-Ensembles for Efficient Uncertainty Estimation
von: Laurent, Olivier, et al.
Veröffentlicht: (2022)

A Unified Theory of Diversity in Ensemble Learning
von: Wood, Danny, et al.
Veröffentlicht: (2023)

Diverse Projection Ensembles for Distributional Reinforcement Learning
von: Zanger, Moritz A., et al.
Veröffentlicht: (2023)

Reward Model Ensembles Help Mitigate Overoptimization
von: Coste, Thomas, et al.
Veröffentlicht: (2023)

Bayesian Experimental Design for Model Discrepancy Calibration: An Auto-Differentiable Ensemble Kalman Inversion Approach
von: Yang, Huchen, et al.
Veröffentlicht: (2025)

CRISPR: Ensemble Model
von: Rostami, Mohammad, et al.
Veröffentlicht: (2024)

Accelerating Ensemble Error Bar Prediction with Single Models Fits
von: Agrawal, Vidit, et al.
Veröffentlicht: (2024)

EnsLoss: Stochastic Calibrated Loss Ensembles for Preventing Overfitting in Classification
von: Dai, Ben
Veröffentlicht: (2024)

Promoting Ensemble Diversity with Interactive Bayesian Distributional Robustness for Fine-tuning Foundation Models
von: Pham, Ngoc-Quan, et al.
Veröffentlicht: (2025)

EnsembleCI: Ensemble Learning for Carbon Intensity Forecasting
von: Yan, Leyi, et al.
Veröffentlicht: (2025)

Synergy and Diversity in CLIP: Enhancing Performance Through Adaptive Backbone Ensembling
von: Rodriguez-Opazo, Cristian, et al.
Veröffentlicht: (2024)

Diversity-Aware Agnostic Ensemble of Sharpness Minimizers
von: Bui, Anh, et al.
Veröffentlicht: (2024)

LoRA-Ensemble: Efficient Uncertainty Modelling for Self-Attention Networks
von: Mühlematter, Dominik J., et al.
Veröffentlicht: (2024)

Enhancing Time Series Classification with Diversity-Driven Neural Network Ensembles
von: Abdullayev, Javidan, et al.
Veröffentlicht: (2026)

Training Diverse Graph Experts for Ensembles: A Systematic Empirical Study
von: Deng, Gangda, et al.
Veröffentlicht: (2025)

Multi-Narrow Transformation as a Single-Model Ensemble: Boundary Conditions, Mechanisms, and Failure Modes
von: Hasegawa, Tatsuhito, et al.
Veröffentlicht: (2026)

Trustworthy Retrosynthesis: Eliminating Hallucinations with a Diverse Ensemble of Reaction Scorers
von: Sadowski, Michal, et al.
Veröffentlicht: (2025)

Efficient Ensemble for Fine-tuning Language Models on Multiple Datasets
von: Li, Dongyue, et al.
Veröffentlicht: (2025)

Glitches in Decision Tree Ensemble Models
von: Chandra, Satyankar, et al.
Veröffentlicht: (2025)