Buchumschlag

On the Convergence of Multicalibration Gradient Boosting

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Haimovich, Daniel, Linder, Fridolin, Perini, Lorenzo, Tax, Niek, Vojnovic, Milan
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

MCGrad: Multicalibration at Web Scale
von: Tax, Niek, et al.
Veröffentlicht: (2025)

Unbiased Prevalence Estimation with Multicalibrated LLMs
von: Linder, Fridolin, et al.
Veröffentlicht: (2026)

On the Convergence of Loss and Uncertainty-based Active Learning Algorithms
von: Haimovich, Daniel, et al.
Veröffentlicht: (2023)

Multicalibration yields better matchings
von: Baldeschi, Riccardo Colini, et al.
Veröffentlicht: (2025)

Measuring multi-calibration
von: Guy, Ido, et al.
Veröffentlicht: (2025)

Multicalibration Boosting: Theory, Convergence, and Transferability
von: Ye, Hanxuan, et al.
Veröffentlicht: (2026)

Online Learning with Sublinear Best-Action Queries
von: Russo, Matteo, et al.
Veröffentlicht: (2024)

What is the Alignment Objective of GRPO?
von: Vojnovic, Milan, et al.
Veröffentlicht: (2025)

Active learning with biased non-response to label requests
von: Robinson, Thomas, et al.
Veröffentlicht: (2023)

Learning to Schedule in Parallel-Server Queues with Stochastic Bilinear Rewards
von: Kim, Jung-hun, et al.
Veröffentlicht: (2021)

Oracle-Efficient Combinatorial Semi-Bandits
von: Kim, Jung-hun, et al.
Veröffentlicht: (2025)

An Adaptive Approach for Infinitely Many-armed Bandits under Generalized Rotting Constraints
von: Kim, Jung-hun, et al.
Veröffentlicht: (2024)

Instance-Adaptive Online Multicalibration
von: Huang, Zhiming, et al.
Veröffentlicht: (2026)

Auditability and the Landscape of Distance to Multicalibration
von: Derhake, Nathan, et al.
Veröffentlicht: (2025)

The Sample Complexity of Multicalibration
von: Collina, Natalie, et al.
Veröffentlicht: (2026)

Gradient Regularized Newton Boosting Trees with Global Convergence
von: Zozoulenko, Nikita, et al.
Veröffentlicht: (2026)

Unified Approach for Weakly Supervised Multicalibration
von: Futami, Futoshi, et al.
Veröffentlicht: (2026)

Efficient Swap Multicalibration of Elicitable Properties
von: Hu, Lunjia, et al.
Veröffentlicht: (2025)

Multiaccuracy and Multicalibration via Proxy Groups
von: Bharti, Beepul, et al.
Veröffentlicht: (2025)

When is Multicalibration Post-Processing Necessary?
von: Hansen, Dutch, et al.
Veröffentlicht: (2024)

Multicalibration for Confidence Scoring in LLMs
von: Detommaso, Gianluca, et al.
Veröffentlicht: (2024)

GL-LowPopArt: A Nearly Instance-Wise Minimax-Optimal Estimator for Generalized Low-Rank Trace Regression
von: Lee, Junghyun, et al.
Veröffentlicht: (2025)

Improved Bounds for Swap Multicalibration and Swap Omniprediction
von: Luo, Haipeng, et al.
Veröffentlicht: (2025)

Discretization-free Multicalibration through Loss Minimization over Tree Ensembles
von: Jin, Hongyi Henry, et al.
Veröffentlicht: (2025)

Optimal Lower Bounds for Online Multicalibration
von: Collina, Natalie, et al.
Veröffentlicht: (2026)

In-Training Multicalibrated Survival Analysis for Healthcare via Constrained Optimization
von: Suttaket, Thiti, et al.
Veröffentlicht: (2025)

Improved and Oracle-Efficient Online $\ell_1$-Multicalibration
von: Ghuge, Rohan, et al.
Veröffentlicht: (2025)

Robust-Multi-Task Gradient Boosting
von: Emami, Seyedsaman, et al.
Veröffentlicht: (2025)

Bridging Multicalibration and Out-of-distribution Generalization Beyond Covariate Shift
von: Wu, Jiayun, et al.
Veröffentlicht: (2024)

Condensed Gradient Boosting
von: Emami, Seyedsaman, et al.
Veröffentlicht: (2022)

Swap Agnostic Learning, or Characterizing Omniprediction via Multicalibration
von: Gopalan, Parikshit, et al.
Veröffentlicht: (2023)

Multicalibration for LLM-based Code Generation
von: Campos, Viola, et al.
Veröffentlicht: (2025)

ParamBoost: Gradient Boosted Piecewise Cubic Polynomials
von: Salvadé, Nicolas, et al.
Veröffentlicht: (2026)

Deep Neural Network Benchmarks for Selective Classification
von: Pugnana, Andrea, et al.
Veröffentlicht: (2024)

Uncertainty-aware Evaluation of Auxiliary Anomalies with the Expected Anomaly Posterior
von: Perini, Lorenzo, et al.
Veröffentlicht: (2024)

Gradient Boosted Risk Scores
von: Georgantas, Costa, et al.
Veröffentlicht: (2026)

RieszBoost: Gradient Boosting for Riesz Regression
von: Lee, Kaitlyn J., et al.
Veröffentlicht: (2025)

Inductive Conformal Prediction under Data Scarcity: Exploring the Impacts of Nonconformity Measures
von: Kato, Yuko, et al.
Veröffentlicht: (2024)

In-Database Data Imputation
von: Perini, Massimo, et al.
Veröffentlicht: (2024)

Gradient Boosted Filters For Signal Processing
von: Lopez, Jose A., et al.
Veröffentlicht: (2024)