Buchumschlag

Does Order Matter : Connecting The Law of Robustness to Robust Generalization

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Mandal, Himadri, Varadarajan, Vishnu, Ponde, Jaee, Das, Aritra, More, Mihir, Gupta, Debayan
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

Domain Generalization In Robust Invariant Representation
von: Gupta, Gauri, et al.
Veröffentlicht: (2023)

Beyond Pooling: Matching for Robust Generalization under Data Heterogeneity
von: Roy, Ayush, et al.
Veröffentlicht: (2026)

Subgroups Matter for Robust Bias Mitigation
von: Alloula, Anissa, et al.
Veröffentlicht: (2025)

Conformal Feedback Alignment: Quantifying Answer-Level Reliability for Robust LLM Alignment
von: Chen, Tiejin, et al.
Veröffentlicht: (2026)

Corruption Robust Offline Reinforcement Learning with Human Feedback
von: Mandal, Debmalya, et al.
Veröffentlicht: (2024)

Does Homophily Help in Robust Test-time Node Classification?
von: Jiang, Yan, et al.
Veröffentlicht: (2025)

Sequential Order-Robust Mamba for Time Series Forecasting
von: Lee, Seunghan, et al.
Veröffentlicht: (2024)

Distributionally Robust Reinforcement Learning with Human Feedback
von: Mandal, Debmalya, et al.
Veröffentlicht: (2025)

Why the Maximum Second Derivative of Activations Matters for Adversarial Robustness
von: Yu, Yunrui, et al.
Veröffentlicht: (2026)

Hessian Aware Low-Rank Perturbation for Order-Robust Continual Learning
von: Li, Jiaqi, et al.
Veröffentlicht: (2023)

Marginals Before Conditionals
von: Sahasrabudhe, Mihir
Veröffentlicht: (2026)

Entropy-Dominated Temporal Vocal Dynamics as Digital Biomarkers for Depression Detection
von: Samanta, Himadri S
Veröffentlicht: (2026)

Post-Training Quantization of Generative and Discriminative LSTM Text Classifiers: A Study of Calibration, Class Balance, and Robustness
von: Rahaman, Md Mushfiqur, et al.
Veröffentlicht: (2025)

How to Connect Speech Foundation Models and Large Language Models? What Matters and What Does Not
von: Verdini, Francesco, et al.
Veröffentlicht: (2024)

Does Scaling Law Apply in Time Series Forecasting?
von: Li, Zeyan, et al.
Veröffentlicht: (2025)

Time Matters: Scaling Laws for Any Budget
von: Inbar, Itay, et al.
Veröffentlicht: (2024)

Building Interpretable Models for Moral Decision-Making
von: Goel, Mayank, et al.
Veröffentlicht: (2026)

Hybrid Cross-domain Robust Reinforcement Learning
von: Van, Linh Le Pham, et al.
Veröffentlicht: (2025)

Coupling Graph Neural Networks with Fractional Order Continuous Dynamics: A Robustness Study
von: Kang, Qiyu, et al.
Veröffentlicht: (2024)

Dynamic DropConnect: Enhancing Neural Network Robustness through Adaptive Edge Dropping Strategies
von: Yang, Yuan-Chih, et al.
Veröffentlicht: (2025)

Measuring What Matters: Intrinsic Distance Preservation as a Robust Metric for Embedding Quality
von: Hart, Steven N., et al.
Veröffentlicht: (2024)

Bootstrapped Mixed Rewards for RL Post-Training: Injecting Canonical Action Order
von: Gupta, Prakhar, et al.
Veröffentlicht: (2025)

Does Training on Synthetic Data Make Models Less Robust?
von: Zhang, Lingze, et al.
Veröffentlicht: (2025)

Robust Stochastic Graph Generator for Counterfactual Explanations
von: Prado-Romero, Mario Alfonso, et al.
Veröffentlicht: (2023)

Robust and Efficient Zeroth-Order LLM Fine-Tuning via Adaptive Bayesian Subspace Optimizer
von: Feng, Jian, et al.
Veröffentlicht: (2026)

Representation Stability in a Minimal Continual Learning Agent
von: Subramanian, Vishnu
Veröffentlicht: (2026)

Generating Universal Adversarial Perturbations for Quantum Classifiers
von: Anil, Gautham, et al.
Veröffentlicht: (2024)

Learning Tennis Strategy Through Curriculum-Based Dueling Double Deep Q-Networks
von: Mohan, Vishnu
Veröffentlicht: (2025)

When Does Non-Uniform Replay Matter in Reinforcement Learning?
von: Korniak, Michal, et al.
Veröffentlicht: (2026)

Scaling Laws and In-Context Learning: A Unified Theoretical Framework
von: Mehta, Sushant, et al.
Veröffentlicht: (2025)

HeartBeatAI: An Interpretable and Robust Deep Learning Framework for Multi-Label ECG Arrhythmia Detection
von: Gupta, Shubham, et al.
Veröffentlicht: (2026)

Complexity Matters: Effective Dimensionality as a Measure for Adversarial Robustness
von: Khachaturov, David, et al.
Veröffentlicht: (2024)

Learning Robust Spectral Dynamics for Temporal Domain Generalization
von: Yu, En, et al.
Veröffentlicht: (2025)

Dual Formulation for Non-Rectangular Lp Robust Markov Decision Processes
von: Kumar, Navdeep, et al.
Veröffentlicht: (2025)

When Does Learning Renormalize? Sufficient Conditions for Power Law Spectral Dynamics
von: Zhang, Yizhou
Veröffentlicht: (2025)

RobustX: Robust Counterfactual Explanations Made Easy
von: Jiang, Junqi, et al.
Veröffentlicht: (2025)

Scalability Matters: Overcoming Challenges in InstructGLM with Similarity-Degree-Based Sampling
von: Lee, Hyun, et al.
Veröffentlicht: (2025)

Robust and Fine-Grained Detection of AI Generated Texts
von: Kadiyala, Ram Mohan Rao, et al.
Veröffentlicht: (2025)

Neuro-Symbolic Generative Diffusion Models for Physically Grounded, Robust, and Safe Generation
von: Christopher, Jacob K., et al.
Veröffentlicht: (2025)

Bridging Symmetry and Robustness: On the Role of Equivariance in Enhancing Adversarial Robustness
von: Wang, Longwei, et al.
Veröffentlicht: (2025)