Buchumschlag

Logit-Level Uncertainty Quantification in Vision-Language Models for Histopathology Image Analysis

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Yurdem, Betul, Catak, Ferhat Ozgur, Kuzlu, Murat, Gullu, Mehmet Kemal
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

Uncertainty Quantification in Large Language Models Through Convex Hull Analysis
von: Catak, Ferhat Ozgur, et al.
Veröffentlicht: (2024)

EvalQReason: A Framework for Step-Level Reasoning Evaluation in Large Language Models
von: Freja, Shaima Ahmad, et al.
Veröffentlicht: (2026)

Improving Medical Diagnostics with Vision-Language Models: Convex Hull-Based Uncertainty Analysis
von: Catak, Ferhat Ozgur, et al.
Veröffentlicht: (2024)

Quantum Key Distribution Secured Federated Learning for Channel Estimation and Radar Spectrum Sensing in 6G Networks
von: Catak, Ferhat Ozgur, et al.
Veröffentlicht: (2026)

Comparative Analysis of Attention Mechanisms for Automatic Modulation Classification in Radio Frequency Signals
von: Catak, Ferhat Ozgur, et al.
Veröffentlicht: (2025)

BERT4MIMO: A Foundation Model using BERT Architecture for Massive MIMO Channel State Information Prediction
von: Catak, Ferhat Ozgur, et al.
Veröffentlicht: (2025)

Neural Networks Meet Elliptic Curve Cryptography: A Novel Approach to Secure Communication
von: Wøien, Mina Cecilie, et al.
Veröffentlicht: (2024)

Understanding Federated Learning from IID to Non-IID dataset: An Experimental Study
von: Seo, Jungwon, et al.
Veröffentlicht: (2025)

Federated Inference: Toward Privacy-Preserving Collaborative and Incentivized Model Serving
von: Seo, Jungwon, et al.
Veröffentlicht: (2026)

GC-Fed: Gradient Centralized Federated Learning with Partial Client Participation
von: Seo, Jungwon, et al.
Veröffentlicht: (2025)

Multimodal Deep Learning for Diabetic Foot Ulcer Staging Using Integrated RGB and Thermal Imaging
von: Mermer, Gulengul, et al.
Veröffentlicht: (2026)

Detecting Misbehaviors of Large Vision-Language Models by Evidential Uncertainty Quantification
von: Huang, Tao, et al.
Veröffentlicht: (2026)

Risk-aware Classification via Uncertainty Quantification
von: Sensoy, Murat, et al.
Veröffentlicht: (2024)

Quantifying the Uncertainty of Foundation Models with Singular Value Ensembles
von: Turkoglu, Mehmet Ozgur, et al.
Veröffentlicht: (2026)

Improving Semantic Uncertainty Quantification in Language Model Question-Answering via Token-Level Temperature Scaling
von: Lamb, Tom A., et al.
Veröffentlicht: (2026)

Fact-Checking the Output of Large Language Models via Token-Level Uncertainty Quantification
von: Fadeeva, Ekaterina, et al.
Veröffentlicht: (2024)

System-Level Uncertainty Quantification with Multiple Machine Learning Models: A Theoretical Framework
von: Du, Xiaoping
Veröffentlicht: (2025)

Uncertainty Quantification for In-Context Learning of Large Language Models
von: Ling, Chen, et al.
Veröffentlicht: (2024)

Trustworthy Quantum Machine Learning: A Roadmap for Reliability, Robustness, and Security in the NISQ Era
von: Catak, Ferhat Ozgur, et al.
Veröffentlicht: (2025)

LoRA-Ensemble: Efficient Uncertainty Modelling for Self-Attention Networks
von: Mühlematter, Dominik J., et al.
Veröffentlicht: (2024)

Probabilistic Embeddings for Frozen Vision-Language Models: Uncertainty Quantification with Gaussian Process Latent Variable Models
von: Venkataramanan, Aishwarya, et al.
Veröffentlicht: (2025)

Prompt-Dependent Ranking of Large Language Models with Uncertainty Quantification
von: Menendez, Angel Rodrigo Avelar, et al.
Veröffentlicht: (2026)

On the Uncertainty Quantification Ability of Tabular Foundation Models
von: Johnson, Tyler R., et al.
Veröffentlicht: (2026)

The Consistency Hypothesis in Uncertainty Quantification for Large Language Models
von: Xiao, Quan, et al.
Veröffentlicht: (2025)

Variational Inference for Uncertainty Quantification: an Analysis of Trade-offs
von: Margossian, Charles C., et al.
Veröffentlicht: (2024)

Uncertainty Quantification for Large Language Model Reward Learning under Heterogeneous Human Feedback
von: Liu, Pangpang, et al.
Veröffentlicht: (2025)

NeuralSurv: Deep Survival Analysis with Bayesian Uncertainty Quantification
von: Monod, Mélodie, et al.
Veröffentlicht: (2025)

Generating with Confidence: Uncertainty Quantification for Black-box Large Language Models
von: Lin, Zhen, et al.
Veröffentlicht: (2023)

Benchmarking Uncertainty Quantification Methods for Large Language Models with LM-Polygraph
von: Vashurin, Roman, et al.
Veröffentlicht: (2024)

Uncertainty Quantification of Large Language Models using Approximate Bayesian Computation
von: Sharma, Mridul, et al.
Veröffentlicht: (2025)

Epistemic Wrapping for Uncertainty Quantification
von: Sultana, Maryam, et al.
Veröffentlicht: (2025)

Model-Level GNN Explanations via Rule-to-Graph Readout for Logit Reconstruction
von: Lu, Shengyao, et al.
Veröffentlicht: (2025)

ThermoQA: A Three-Tier Benchmark for Evaluating Thermodynamic Reasoning in Large Language Models
von: Düzkar, Kemal
Veröffentlicht: (2026)

Recurrent Confidence Chain: Temporal-Aware Uncertainty Quantification in Large Language Models
von: Mao, Zhenjiang, et al.
Veröffentlicht: (2026)

Towards Uncertainty Quantification in Generative Model Learning
von: Morales, Giorgio, et al.
Veröffentlicht: (2025)

Zero-Shot Uncertainty Quantification using Diffusion Probabilistic Models
von: Shu, Dule, et al.
Veröffentlicht: (2024)

Uncertainty Quantification With Multiple Sources
von: Ying, Mufang, et al.
Veröffentlicht: (2024)

Conformalized Generative Bayesian Imaging: An Uncertainty Quantification Framework for Computational Imaging
von: Ekmekci, Canberk, et al.
Veröffentlicht: (2025)

Is the Last Layer Sufficient for Uncertainty Quantification?
von: Wilson, Joseph, et al.
Veröffentlicht: (2026)

Detection of Odor Presence via Deep Neural Networks
von: Hassanloo, Matin, et al.
Veröffentlicht: (2025)