Buchumschlag

Detecting labeling bias using influence functions

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Jørgensen, Frida, Weng, Nina, Bigdeli, Siavash
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Patronus: Interpretable Diffusion Models with Prototypes
von: Weng, Nina, et al.
Veröffentlicht: (2025)

How to be fair? A study of label and selection bias
von: Favier, Marco, et al.
Veröffentlicht: (2024)

ProtoEFNet: Dynamic Prototype Learning for Inherently Interpretable Ejection Fraction Estimation in Echocardiography
von: Ghamary, Yeganeh, et al.
Veröffentlicht: (2025)

Gradient-based Model Shortcut Detection for Time Series Classification
von: Ibarra, Salomon, et al.
Veröffentlicht: (2025)

Joint Embeddings Go Temporal
von: Ennadir, Sofiane, et al.
Veröffentlicht: (2025)

asanAI: In-Browser, No-Code, Offline-First Machine Learning Toolkit
von: Koch, Norman, et al.
Veröffentlicht: (2025)

Pseudo-label Induced Subspace Representation Learning for Robust Out-of-Distribution Detection
von: Azad, Tarhib Al, et al.
Veröffentlicht: (2025)

Empirical influence functions to understand the logic of fine-tuning
von: Matelsky, Jordan K., et al.
Veröffentlicht: (2024)

A Statistical Framework for Ranking LLM-Based Chatbots
von: Ameli, Siavash, et al.
Veröffentlicht: (2024)

A Novel Hybrid Feature Importance and Feature Interaction Detection Framework for Predictive Optimization in Industry 4.0 Applications
von: Ma, Zhipeng, et al.
Veröffentlicht: (2024)

Promises and Pitfalls of Threshold-based Auto-labeling
von: Vishwakarma, Harit, et al.
Veröffentlicht: (2022)

Efficient 4D fMRI ASD Classification using Spatial-Temporal-Omics-based Learning Framework
von: Weng, Ziqiao, et al.
Veröffentlicht: (2025)

Improving Credit Card Fraud Detection with an Optimized Explainable Boosting Machine
von: Fazel, Reza E., et al.
Veröffentlicht: (2026)

PC-MCL: Patient-Consistent Multi-Cycle Learning with multi-label bias correction for respiratory sound classification
von: Jeong, Seung Gyu, et al.
Veröffentlicht: (2026)

Overcoming label shift with target-aware federated learning
von: Zec, Edvin Listo, et al.
Veröffentlicht: (2024)

Latent label distribution grid representation for modeling uncertainty
von: Sun, ShuNing, et al.
Veröffentlicht: (2025)

Policy-labeled Preference Learning: Is Preference Enough for RLHF?
von: Cho, Taehyun, et al.
Veröffentlicht: (2025)

Understanding the dynamics of the frequency bias in neural networks
von: Molina, Juan, et al.
Veröffentlicht: (2024)

Semi-supervised CAPP Transformer Learning via Pseudo-labeling
von: Gross, Dennis, et al.
Veröffentlicht: (2026)

Pearls from Pebbles: Improved Confidence Functions for Auto-labeling
von: Vishwakarma, Harit, et al.
Veröffentlicht: (2024)

Semi-supervised Predictive Clustering Trees for (Hierarchical) Multi-label Classification
von: Levatić, Jurica, et al.
Veröffentlicht: (2022)

On the inductive bias of infinite-depth ResNets and the bottleneck rank
von: Boix-Adsera, Enric
Veröffentlicht: (2025)

CMOOD: Concept-based Multi-label OOD Detection
von: Liu, Zhendong, et al.
Veröffentlicht: (2024)

A Similarity-Based Oversampling Method for Multi-label Imbalanced Text Data
von: Karaman, Ismail Hakki, et al.
Veröffentlicht: (2024)

Online hierarchical partitioning of the output space in extreme multi-label data stream
von: Neves, Lara, et al.
Veröffentlicht: (2025)

Deep learning with noisy labels in medical prediction problems: a scoping review
von: Wei, Yishu, et al.
Veröffentlicht: (2024)

Pretrained deep models outperform GBDTs in Learning-To-Rank under label scarcity
von: Hou, Charlie, et al.
Veröffentlicht: (2023)

Fixing confirmation bias in feature attribution methods via semantic match
von: Cinà, Giovanni, et al.
Veröffentlicht: (2023)

How does the optimizer implicitly bias the model merging loss landscape?
von: Zhang, Chenxiang, et al.
Veröffentlicht: (2025)

Solar Photovoltaic Assessment with Large Language Model
von: Guo, Muhao, et al.
Veröffentlicht: (2025)

You can't handle the (dirty) truth: Data-centric insights improve pseudo-labeling
von: Seedat, Nabeel, et al.
Veröffentlicht: (2024)

Exploring the potential of prototype-based soft-labels data distillation for imbalanced data classification
von: Rosu, Radu-Andrei, et al.
Veröffentlicht: (2024)

Slicing Through Bias: Explaining Performance Gaps in Medical Image Analysis using Slice Discovery Methods
von: Olesen, Vincent, et al.
Veröffentlicht: (2024)

Fuel Efficiency Analysis of the Public Transportation System Based on the Gaussian Mixture Model Clustering
von: Ma, Zhipeng, et al.
Veröffentlicht: (2025)

Source-free domain adaptation based on label reliability for cross-domain bearing fault diagnosis
von: Wu, Wenyi, et al.
Veröffentlicht: (2025)

It's the humans, not the data: Geopolitical bias in LLMs originates in post-training, amplified by the language of the prompt
von: Bladon, Stuart, et al.
Veröffentlicht: (2026)

Discovering Operational Patterns Using Image-Based Convolutional Clustering and Composite Evaluation: A Case Study in Foundry Melting Processes
von: Ma, Zhipeng, et al.
Veröffentlicht: (2025)

De-biasing facial detection system using VAE
von: Kandge, Vedant V., et al.
Veröffentlicht: (2022)

Anomaly detection in time-series via inductive biases in the latent space of conditional normalizing flows
von: Baumgartner, David, et al.
Veröffentlicht: (2026)

Coding-Enforced Resilient and Secure Aggregation for Hierarchical Federated Learning
von: Weng, Shudi, et al.
Veröffentlicht: (2026)