:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Cardiel, Amaia, Zablocki, Eloi, Ramzi, Elias, Gaussier, Eric
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Computation and Language
Online-Zugang:	https://arxiv.org/abs/2603.00696
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

GIFT: A Framework Towards Global Interpretable Faithful Textual Explanations of Vision Classifiers
von: Zablocki, Éloi, et al.
Veröffentlicht: (2024)

LLM-wrapper: Black-Box Semantic-Aware Adaptation of Vision-Language Models for Referring Expression Comprehension
von: Cardiel, Amaia, et al.
Veröffentlicht: (2024)

Paramanu: Compact and Competitive Monolingual Language Models for Low-Resource Morphologically Rich Indian Languages
von: Niyogi, Mitodru, et al.
Veröffentlicht: (2024)

Ayn: A Tiny yet Competitive Indian Legal Language Model Pretrained from Scratch
von: Niyogi, Mitodru, et al.
Veröffentlicht: (2024)

Few-Shot Knowledge Distillation of LLMs With Counterfactual Explanations
von: Hamman, Faisal, et al.
Veröffentlicht: (2025)

MAD: Motion Appearance Decoupling for efficient Driving World Models
von: Rahimi, Ahmad, et al.
Veröffentlicht: (2026)

Guiding LLMs to Generate High-Fidelity and High-Quality Counterfactual Explanations for Text Classification
von: Nguyen, Van Bach, et al.
Veröffentlicht: (2025)

ReGentS: Real-World Safety-Critical Driving Scenario Generation Made Stable
von: Yin, Yuan, et al.
Veröffentlicht: (2024)

LIBERTy: A Causal Framework for Benchmarking Concept-Based Explanations of LLMs with Structural Counterfactuals
von: Toker, Gilat, et al.
Veröffentlicht: (2026)

Machine Unlearning Meets Adversarial Robustness via Constrained Interventions on LLMs
von: Rezkellah, Fatmazohra, et al.
Veröffentlicht: (2025)

Counterfactual Explanations for MITL Violations
von: Finkbeiner, Bernd, et al.
Veröffentlicht: (2024)

Counterfactual Simulatability of LLM Explanations for Generation Tasks
von: Limpijankit, Marvin, et al.
Veröffentlicht: (2025)

LLMs Don't Know Their Own Decision Boundaries: The Unreliability of Self-Generated Counterfactual Explanations
von: Mayne, Harry, et al.
Veröffentlicht: (2025)

Prompt-Counterfactual Explanations for Generative AI System Behavior
von: Goethals, Sofie, et al.
Veröffentlicht: (2026)

A Comparative Analysis of Counterfactual Explanation Methods for Text Classifiers
von: McAleese, Stephen, et al.
Veröffentlicht: (2024)

Attention Consistency for LLMs Explanation
von: Lan, Tian, et al.
Veröffentlicht: (2025)

Natural Language Counterfactual Explanations for Graphs Using Large Language Models
von: Giorgi, Flavio, et al.
Veröffentlicht: (2024)

Can LLMs Explain Themselves Counterfactually?
von: Dehghanighobadi, Zahra, et al.
Veröffentlicht: (2025)

Aligning (Medical) LLMs for (Counterfactual) Fairness
von: Poulain, Raphael, et al.
Veröffentlicht: (2024)

ICR-Drive: Instruction Counterfactual Robustness for End-to-End Language-Driven Autonomous Driving
von: Hamid, Kaiser, et al.
Veröffentlicht: (2026)

Explanation Generation for Contradiction Reconciliation with LLMs
von: Chan, Jason, et al.
Veröffentlicht: (2026)

Counterfactual Debating with Preset Stances for Hallucination Elimination of LLMs
von: Fang, Yi, et al.
Veröffentlicht: (2024)

MEDEQUALQA: Evaluating Biases in LLMs with Counterfactual Reasoning
von: Ghosh, Rajarshi, et al.
Veröffentlicht: (2025)

Argument-Based Consistency in Toxicity Explanations of LLMs
von: Mothilal, Ramaravind Kommiya, et al.
Veröffentlicht: (2025)

Investigating Counterfactual Unfairness in LLMs towards Identities through Humor
von: Kim, Shubin, et al.
Veröffentlicht: (2026)

Local Explanations and Self-Explanations for Assessing Faithfulness in black-box LLMs
von: Fragkathoulas, Christos, et al.
Veröffentlicht: (2024)

Unsupervised Object Localization in the Era of Self-Supervised ViTs: A Survey
von: Siméoni, Oriane, et al.
Veröffentlicht: (2023)

GaussRender: Learning 3D Occupancy with Gaussian Rendering
von: Chambon, Loïck, et al.
Veröffentlicht: (2025)

Annealed Winner-Takes-All for Motion Forecasting
von: Xu, Yihong, et al.
Veröffentlicht: (2024)

Do LLM Self-Explanations Help Users Predict Model Behavior? Evaluating Counterfactual Simulatability with Pragmatic Perturbations
von: Hong, Pingjun, et al.
Veröffentlicht: (2026)

LLMs for Generating and Evaluating Counterfactuals: A Comprehensive Study
von: Nguyen, Van Bach, et al.
Veröffentlicht: (2024)

Towards Unifying Evaluation of Counterfactual Explanations: Leveraging Large Language Models for Human-Centric Assessments
von: Domnich, Marharyta, et al.
Veröffentlicht: (2024)

Counterfactual Generation with Identifiability Guarantees
von: Yan, Hanqi, et al.
Veröffentlicht: (2024)

Success is in the Details: Evaluate and Enhance Details Sensitivity of Code LLMs through Counterfactuals
von: Luo, Xianzhen, et al.
Veröffentlicht: (2025)

VaViM and VaVAM: Autonomous Driving through Video Generative Modeling
von: Bartoccioni, Florent, et al.
Veröffentlicht: (2025)

Generating Medically-Informed Explanations for Depression Detection using LLMs
von: Chen, Xiangyong, et al.
Veröffentlicht: (2025)

Gender Bias in MT for a Genderless Language: New Benchmarks for Basque
von: Murillo, Amaia, et al.
Veröffentlicht: (2026)

Does Using Counterfactual Help LLMs Explain Textual Importance in Classification?
von: Tan, Nelvin, et al.
Veröffentlicht: (2025)

Sensivity of LLMs' Explanations to the Training Randomness:Context, Class & Task Dependencies
von: Loncour, Romain, et al.
Veröffentlicht: (2026)

Aligning What LLMs Do and Say: Towards Self-Consistent Explanations
von: Admoni, Sahar, et al.
Veröffentlicht: (2025)