Buchumschlag

Provable Adversarial Robustness in In-Context Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Zhang, Di
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning 62G35, 62M20, 68T07, 62G08 I.2.6; G.3; F.2.1
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

SHIFT: Robust Double Machine Learning for Average Dose-Response Functions under Heavy-Tailed Contamination
von: Uehara, Eichi
Veröffentlicht: (2026)

Support-Conditioned Flow Matching Is Kernel Smoothing
von: Smola, Daniel Matsui
Veröffentlicht: (2026)

SAGA: A Sequence-Adaptive Generative Architecture for Multi-Horizon Probabilistic Forecasting with Adaptive Temporal Conformal Prediction
von: Lundström-Imanov, Gustav Olaf Yunus Laitinen-Fredriksson, et al.
Veröffentlicht: (2026)

From Tail Universality to Bernstein-von Mises: A Unified Statistical Theory of Semi-Implicit Variational Inference
von: Plummer, Sean
Veröffentlicht: (2025)

Bayesian Optimality of In-Context Learning with Selective State Spaces
von: Zhang, Di, et al.
Veröffentlicht: (2026)

Evaluating the Quality of the Quantified Uncertainty for (Re)Calibration of Data-Driven Regression Models
von: Wibbeke, Jelke, et al.
Veröffentlicht: (2025)

The Unified Non-Convex Framework for Robust Causal Inference: Overcoming the Gaussian Barrier and Optimization Fragility
von: Uehara, Eichi
Veröffentlicht: (2025)

EEG-EyeTrack: A Benchmark for Time Series and Functional Data Analysis with Open Challenges and Baselines
von: Afonso, Tiago Vasconcelos, et al.
Veröffentlicht: (2025)

Machine Collaboration
von: Liu, Qingfeng, et al.
Veröffentlicht: (2021)

Seeking SOTA: Time-Series Forecasting Must Adopt Taxonomy-Specific Evaluation to Dispel Illusory Gains
von: Saqur, Raeid, et al.
Veröffentlicht: (2026)

Beyond Least Squares: Robust Regression Transformer (R2T)
von: Gutierrez, Roman, et al.
Veröffentlicht: (2025)

Jacobian-Velocity Bounds for Deployment Risk Under Covariate Drift
von: Landers, Jonathan R.
Veröffentlicht: (2026)

Realizable Bayes-Consistency for General Metric Losses
von: Cohen, Dan Tsir, et al.
Veröffentlicht: (2026)

metabeta -- A fast neural model for Bayesian mixed-effects regression
von: Kipnis, Alex, et al.
Veröffentlicht: (2025)

Robust Probabilistic Load Forecasting for a Single Household: A Comparative Study from SARIMA to Transformers on the REFIT Dataset
von: Manoj, Midhun
Veröffentlicht: (2025)

Revisiting Unbiased Implicit Variational Inference
von: Pielok, Tobias, et al.
Veröffentlicht: (2025)

Robustness Auditing for Linear Regression: To Singularity and Beyond
von: Rubinstein, Ittai, et al.
Veröffentlicht: (2024)

Location based Probabilistic Load Forecasting of EV Charging Sites: Deep Transfer Learning with Multi-Quantile Temporal Convolutional Network
von: Ali, Mohammad Wazed, et al.
Veröffentlicht: (2024)

Bias-Corrected Adaptive Conformal Inference for Multi-Horizon Time Series Forecasting
von: Lade, Ankit, et al.
Veröffentlicht: (2026)

Semi-Implicit Variational Inference via Kernelized Path Gradient Descent
von: Pielok, Tobias, et al.
Veröffentlicht: (2025)

DeepCausalMMM: A Deep Learning Framework for Marketing Mix Modeling with Causal Structure Learning
von: Tirumala, Aditya Puttaparthi
Veröffentlicht: (2025)

TILT: Target-induced loss tilting under covariate shift
von: Yamamoto, Kakei, et al.
Veröffentlicht: (2026)

Quantile Additive Trend Filtering
von: Zhang, Zhi, et al.
Veröffentlicht: (2023)

Optimised Support Vector Regression for California Housing Price Prediction: The Critical Role of Feature Engineering and Hyperparameter Tuning
von: Adutwum, Emmanuel
Veröffentlicht: (2026)

Benchmarking State Space Models, Transformers, and Recurrent Networks for US Grid Forecasting
von: Hong, Sunki, et al.
Veröffentlicht: (2026)

Constant-Target Energy Matching: A Unified Framework for Continuous and Discrete Density Estimation
von: Zeng, Zhijun, et al.
Veröffentlicht: (2026)

Multiple data-driven missing imputation
von: Kavun, Sergii
Veröffentlicht: (2025)

On the Accuracy of Newton Step and Influence Function Data Attributions
von: Rubinstein, Ittai, et al.
Veröffentlicht: (2025)

From interpretability to inference: an estimation framework for universal approximators
von: Joseph, Andreas
Veröffentlicht: (2019)

Neural Prime Sieves: Density-Driven Generalization and Empirical Evidence for Hardy-Littlewood Asymptotics
von: Kakkar, Manik
Veröffentlicht: (2026)

Shallow ReLU$^s$ Networks in $L^p$-Type and Sobolev Spaces: Approximation and Path-Norm Controlled Generalization
von: Li, Weizhao, et al.
Veröffentlicht: (2026)

Explainable Bayesian deep learning through input-skip Latent Binary Bayesian Neural Networks
von: Høyheim, Eirik, et al.
Veröffentlicht: (2025)

FBMS: An R Package for Flexible Bayesian Model Selection and Model Averaging
von: Frommlet, Florian, et al.
Veröffentlicht: (2025)

Robust X-Learner: Breaking the Curse of Imbalance and Heavy Tails via Robust Cross-Imputation
von: Uehara, Eichi
Veröffentlicht: (2026)

Physics-Informed Singular-Value Learning for Cross-Covariances Forecasting in Financial Markets
von: Manolakis, Efstratios, et al.
Veröffentlicht: (2026)

Predicting California Bearing Ratio with Ensemble and Neural Network Models: A Case Study from Turkiye
von: Kökçam, Abdullah Hulusi, et al.
Veröffentlicht: (2025)

Enriched Functional Tree-Based Classifiers: A Novel Approach Leveraging Derivatives and Geometric Features
von: Maturo, Fabrizio, et al.
Veröffentlicht: (2024)

Gradient Descent as Implicit EM in Distance-Based Neural Models
von: Oursland, Alan
Veröffentlicht: (2025)

CDFlow: Building Invertible Layers with Circulant and Diagonal Matrices
von: Feng, Xuchen, et al.
Veröffentlicht: (2025)

Deep Jump Gaussian Processes for Surrogate Modeling of High-Dimensional Piecewise Continuous Functions
von: Xu, Yang, et al.
Veröffentlicht: (2025)