Buchumschlag

DAK-UCB: Diversity-Aware Prompt Routing for LLMs and Generative Models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Jafari, Donya, Farnia, Farzan
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

PAK-UCB Contextual Bandit: An Online Learning Approach to Prompt-Aware Selection of Generative Models and LLMs
von: Hu, Xiaoyan, et al.
Veröffentlicht: (2024)

Be More Diverse than the Most Diverse: Optimal Mixtures of Generative Models via Mixture-UCB Bandit Algorithms
von: Rezaei, Parham, et al.
Veröffentlicht: (2024)

When Exploration Comes for Free with Mixture-Greedy: Do we need UCB in Diversity-Aware Multi-Armed Bandits?
von: Nia, Bahar Dibaei, et al.
Veröffentlicht: (2026)

PromptWise: Online Learning for Cost-Aware Prompt Assignment in Generative Models
von: Hu, Xiaoyan, et al.
Veröffentlicht: (2025)

SPARKE: Scalable Prompt-Aware Diversity and Novelty Guidance in Diffusion Models via RKE Score
von: Jalali, Mohammad, et al.
Veröffentlicht: (2025)

PromptSplit: Revealing Prompt-Level Disagreement in Generative Models
von: Lotfian, Mehdi, et al.
Veröffentlicht: (2026)

Exposing Diversity Bias in Deep Generative Models: Statistical Origins and Correction of Diversity Error
von: Farnia, Farzan, et al.
Veröffentlicht: (2026)

Conditional Vendi Score: An Information-Theoretic Approach to Diversity Evaluation of Prompt-based Generative Models
von: Jalali, Mohammad, et al.
Veröffentlicht: (2024)

Stability and Generalization in Free Adversarial Training
von: Cheng, Xiwei, et al.
Veröffentlicht: (2024)

A Multi-Armed Bandit Approach to Online Selection and Evaluation of Generative Models
von: Hu, Xiaoyan, et al.
Veröffentlicht: (2024)

The Maximum von Neumann Entropy Principle: Theory and Applications in Machine Learning
von: Wu, Youqi, et al.
Veröffentlicht: (2026)

Do Vendi Scores Converge with Finite Samples? Truncated Vendi Score for Finite-Sample Convergence Guarantees
von: Ospanov, Azim, et al.
Veröffentlicht: (2024)

Certified Adversarial Robustness via Partition-based Randomized Smoothing
von: Goli, Hossein, et al.
Veröffentlicht: (2024)

Sparse Domain Transfer via Elastic Net Regularization
von: Zhang, Jingwei, et al.
Veröffentlicht: (2024)

Gaussian Smoothing in Saliency Maps: The Stability-Fidelity Trade-Off in Neural Network Interpretability
von: Ye, Zhuorui, et al.
Veröffentlicht: (2024)

An Interpretable Evaluation of Entropy-based Novelty of Generative Models
von: Zhang, Jingwei, et al.
Veröffentlicht: (2024)

On the Distributed Evaluation of Generative Models
von: Wang, Zixiao, et al.
Veröffentlicht: (2023)

Certifiably Robust Model Evaluation in Federated Learning under Meta-Distributional Shifts
von: Najafi, Amir, et al.
Veröffentlicht: (2024)

When Kernels Multiply, Clusters Unify: Fusing Embeddings with the Kronecker Product
von: Wu, Youqi, et al.
Veröffentlicht: (2025)

On the Hardness of Sampling from Mixture Distributions via Langevin Dynamics
von: Cheng, Xiwei, et al.
Veröffentlicht: (2024)

An Information Theoretic Approach to Interaction-Grounded Learning
von: Hu, Xiaoyan, et al.
Veröffentlicht: (2024)

Unveiling Differences in Generative Models: A Scalable Differential Clustering Approach
von: Zhang, Jingwei, et al.
Veröffentlicht: (2024)

On the Inductive Biases of Demographic Parity-based Fair Learning Algorithms
von: Lei, Haoyu, et al.
Veröffentlicht: (2024)

Interpretation of Neural Networks is Susceptible to Universal Adversarial Perturbations
von: Oskouie, Haniyeh Ehsani, et al.
Veröffentlicht: (2022)

pFedFair: Towards Optimal Group Fairness-Accuracy Trade-off in Heterogeneous Federated Learning
von: Lei, Haoyu, et al.
Veröffentlicht: (2025)

Towards a Scalable Reference-Free Evaluation of Generative Models
von: Ospanov, Azim, et al.
Veröffentlicht: (2024)

Scendi Score: Prompt-Aware Diversity Evaluation via Schur Complement of CLIP Embeddings
von: Ospanov, Azim, et al.
Veröffentlicht: (2024)

Boosting Cross-problem Generalization in Diffusion-Based Neural Combinatorial Solver via Inference Time Adaptation
von: Lei, Haoyu, et al.
Veröffentlicht: (2025)

MoreauPruner: Robust Pruning of Large Language Models against Weight Perturbations
von: Wang, Zixiao, et al.
Veröffentlicht: (2024)

Reward-Based Online LLM Routing via NeuralUCB
von: Tsai, Ming-Hua, et al.
Veröffentlicht: (2026)

Syndrome-Flow Consistency Model Achieves One-step Denoising Error Correction Codes
von: Lei, Haoyu, et al.
Veröffentlicht: (2025)

Training-Free Distribution Adaptation for Diffusion Models via Maximum Mean Discrepancy Guidance
von: Sani, Matina Mahdizadeh, et al.
Veröffentlicht: (2026)

Towards an Explainable Comparison and Alignment of Feature Embeddings
von: Jalali, Mohammad, et al.
Veröffentlicht: (2025)

On the Fragility of AI-Based Channel Decoders under Small Channel Perturbations
von: Lei, Haoyu, et al.
Veröffentlicht: (2026)

Precise Asymptotics and Refined Regret of Variance-Aware UCB
von: Fan, Yingying, et al.
Veröffentlicht: (2024)

Variance-Aware Linear UCB with Deep Representation for Neural Contextual Bandits
von: Bui, Ha Manh, et al.
Veröffentlicht: (2024)

PermLLM: Learnable Channel Permutation for N:M Sparse Large Language Models
von: Zou, Lancheng, et al.
Veröffentlicht: (2025)

Cost-Aware Contrastive Routing for LLMs
von: Shirkavand, Reza, et al.
Veröffentlicht: (2025)

DiffPattern-Flex: Efficient Layout Pattern Generation via Discrete Diffusion
von: Wang, Zixiao, et al.
Veröffentlicht: (2025)

Replicable Bandits with UCB based Exploration
von: Deb, Rohan, et al.
Veröffentlicht: (2026)