Buchumschlag

What Makes a Good Example? Modeling Exemplar Selection with Neural Network Representations

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Qiu, Fanxiao Wani, Leong, Oscar, LaTourrette, Alexander
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

Feature, Alignment, and Supervision in Category Learning: A Comparative Approach with Children and Neural Networks
von: Qiu, Fanxiao Wani, et al.
Veröffentlicht: (2026)

Preschoolers benefit from sentential context in familiar‐ and unfamiliar‐accented speech
von: Naz Deniz Atik, et al.
Veröffentlicht: (2024)

What Makes a Representation Good for Single-Cell Perturbation Prediction?
von: Jiang, Wenkang, et al.
Veröffentlicht: (2026)

Deconstructing What Makes a Good Optimizer for Language Models
von: Zhao, Rosie, et al.
Veröffentlicht: (2024)

What Makes a Good Diffusion Planner for Decision Making?
von: Lu, Haofei, et al.
Veröffentlicht: (2025)

Hierarchical Frequency-Decomposition Graph Neural Networks for Road Network Representation Learning
von: Ma, Jingtian, et al.
Veröffentlicht: (2025)

What Makes Data Suitable for a Locally Connected Neural Network? A Necessary and Sufficient Condition Based on Quantum Entanglement
von: Alexander, Yotam, et al.
Veröffentlicht: (2023)

EXPLORA: Efficient Exemplar Subset Selection for Complex Reasoning
von: Purohit, Kiran, et al.
Veröffentlicht: (2024)

What Makes a Good Explanation?: A Harmonized View of Properties of Explanations
von: Chen, Zixi, et al.
Veröffentlicht: (2022)

What Makes a Reward Model a Good Teacher? An Optimization Perspective
von: Razin, Noam, et al.
Veröffentlicht: (2025)

What Makes Good Data for Alignment? A Comprehensive Study of Automatic Data Selection in Instruction Tuning
von: Liu, Wei, et al.
Veröffentlicht: (2023)

Learning Exemplar Representations in Single-Trial EEG Category Decoding
von: Kilgallen, Jack, et al.
Veröffentlicht: (2024)

Topology of Out-of-Distribution Examples in Deep Neural Networks
von: Datta, Esha, et al.
Veröffentlicht: (2025)

What Makes "Good" Distractors for Object Hallucination Evaluation in Large Vision-Language Models?
von: Xie, Ming-Kun, et al.
Veröffentlicht: (2025)

Exemplar-Free Continual Learning for State Space Models
von: Lee, Isaac Ning, et al.
Veröffentlicht: (2025)

What Makes a Good Curriculum? Disentangling the Effects of Data Ordering on LLM Mathematical Reasoning
von: Jia, Yaning, et al.
Veröffentlicht: (2025)

Exemplar Partitioning for Mechanistic Interpretability
von: Rumbelow, Jessica
Veröffentlicht: (2026)

Overcoming Catastrophic Forgetting by Exemplar Selection in Task-oriented Dialogue System
von: Chen, Chen, et al.
Veröffentlicht: (2024)

Guiding Through Complexity: What Makes Good Supervision for Hard Math Reasoning Tasks?
von: He, Xuan, et al.
Veröffentlicht: (2024)

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

A Gradient Analysis Framework for Rewarding Good and Penalizing Bad Examples in Language Models
von: Tuan, Yi-Lin, et al.
Veröffentlicht: (2024)

When Correct Demonstrations Hurt: Rethinking the Role of Exemplars in In-Context Learning
von: Qiu, Chenghao, et al.
Veröffentlicht: (2026)

Adversarial Examples Detection with Bayesian Neural Network
von: Li, Yao, et al.
Veröffentlicht: (2021)

Prompt Optimization with EASE? Efficient Ordering-aware Automated Selection of Exemplars
von: Wu, Zhaoxuan, et al.
Veröffentlicht: (2024)

Obtaining Example-Based Explanations from Deep Neural Networks
von: Dong, Genghua, et al.
Veröffentlicht: (2025)

Explaining Deep Neural Networks by Leveraging Intrinsic Methods
von: La Rosa, Biagio
Veröffentlicht: (2024)

What Are Good Positional Encodings for Directed Graphs?
von: Huang, Yinan, et al.
Veröffentlicht: (2024)

From Selection to Scheduling: Federated Geometry-Aware Correction Makes Exemplar Replay Work Better under Continual Dynamic Heterogeneity
von: Qi, Zhuang, et al.
Veröffentlicht: (2026)

Logic Gate Neural Networks are Good for Verification
von: Kresse, Fabian, et al.
Veröffentlicht: (2025)

REAL: Representation Enhanced Analytic Learning for Exemplar-free Class-incremental Learning
von: He, Run, et al.
Veröffentlicht: (2024)

Oscillations Make Neural Networks Robust to Quantization
von: Wenshøj, Jonathan, et al.
Veröffentlicht: (2025)

What Will My Model Forget? Forecasting Forgotten Examples in Language Model Refinement
von: Jin, Xisen, et al.
Veröffentlicht: (2024)

Children's Selective Teaching and Informing: A Meta‐Analysis
von: Fanxiao Wani Qiu, et al.
Veröffentlicht: (2024)

Deep Neural Networks via Complex Network Theory: a Perspective
von: La Malfa, Emanuele, et al.
Veröffentlicht: (2024)

Good Reasoning Makes Good Demonstrations: Implicit Reasoning Quality Supervision via In-Context Reinforcement Learning
von: Mei, Tiehua, et al.
Veröffentlicht: (2026)

Leveraging Large Language Models for Web Scraping
von: Ahluwalia, Aman, et al.
Veröffentlicht: (2024)

Provenance Networks: End-to-End Exemplar-Based Explainability
von: Kayyam, Ali, et al.
Veröffentlicht: (2025)

Information Subtraction: Learning Representations for Conditional Entropy
von: Leong, Keng Hou, et al.
Veröffentlicht: (2025)

Network Representation Learning for Biophysical Neural Network Analysis
von: Ha, Youngmok, et al.
Veröffentlicht: (2024)

Similarity of Neural Network Models: A Survey of Functional and Representational Measures
von: Klabunde, Max, et al.
Veröffentlicht: (2023)