Buchumschlag

A Model of Understanding in Deep Learning Systems

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Freeborn, David Peter Wallis
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Compositional Understanding in Signaling Games
von: Freeborn, David Peter Wallis
Veröffentlicht: (2025)

Effective Theory Building and Manifold Learning
von: Freeborn, David Peter Wallis
Veröffentlicht: (2024)

Reconfiguring Digital Accountability: AI-Powered Innovations and Transnational Governance in a Postnational Accounting Context
von: Li, Claire, et al.
Veröffentlicht: (2025)

LLMs and the ZPD
von: Wallis, Peter
Veröffentlicht: (2026)

Exploring AI-powered Digital Innovations from A Transnational Governance Perspective: Implications for Market Acceptance and Digital Accountability Accountability
von: Li, Claire, et al.
Veröffentlicht: (2025)

Adversarial Reinforcement Learning for Large Language Model Agent Safety
von: Wang, Zizhao, et al.
Veröffentlicht: (2025)

Understanding and Diagnosing Deep Reinforcement Learning
von: Korkmaz, Ezgi
Veröffentlicht: (2024)

Ghost Policies: A New Paradigm for Understanding and Learning from Failure in Deep Reinforcement Learning
von: Olaz, Xabier
Veröffentlicht: (2025)

Towards Understanding the Optimization Mechanisms in Deep Learning
von: Qi, Binchuan, et al.
Veröffentlicht: (2025)

Understanding and Improving Hyperbolic Deep Reinforcement Learning
von: Klein, Timo, et al.
Veröffentlicht: (2025)

Social Behaviour Understanding using Deep Neural Networks: Development of Social Intelligence Systems
von: Feng, Ethan Lim Ding, et al.
Veröffentlicht: (2021)

Understanding DeepResearch via Reports
von: Fan, Tianyu, et al.
Veröffentlicht: (2025)

Training Directional Locomotion for Quadrupedal Low-Cost Robotic Systems via Deep Reinforcement Learning
von: Böhm, Peter, et al.
Veröffentlicht: (2025)

Understanding Optimization in Deep Learning with Central Flows
von: Cohen, Jeremy M., et al.
Veröffentlicht: (2024)

Onboard Out-of-Calibration Detection of Deep Learning Models using Conformal Prediction
von: Bhattacharjee, Protim, et al.
Veröffentlicht: (2024)

Isotropic Curvature Model for Understanding Deep Learning Optimization: Is Gradient Orthogonalization Optimal?
von: Su, Weijie
Veröffentlicht: (2025)

Reinforcement Learning with Backtracking Feedback
von: Sel, Bilgehan, et al.
Veröffentlicht: (2026)

Towards Understanding Specification Gaming in Reasoning Models
von: Nishimura-Gasparian, Kei, et al.
Veröffentlicht: (2026)

OPAL: Encoding Causal Understanding of Physical Systems for Robot Learning
von: Tcheurekdjian, Daniel, et al.
Veröffentlicht: (2025)

Finite-State Controllers for (Hidden-Model) POMDPs using Deep Reinforcement Learning
von: Hudák, David, et al.
Veröffentlicht: (2026)

Multi-Objective Deep Reinforcement Learning for Optimisation in Autonomous Systems
von: Rosero, Juan C., et al.
Veröffentlicht: (2024)

Universal Deep Research: Bring Your Own Model and Strategy
von: Belcak, Peter, et al.
Veröffentlicht: (2025)

From Surface Learning to Deep Understanding: A Grounded AI Tutoring System for Moodle
von: Ostrowska, Anna, et al.
Veröffentlicht: (2026)

Imitation Game: A Model-based and Imitation Learning Deep Reinforcement Learning Hybrid
von: Veith, Eric MSP, et al.
Veröffentlicht: (2024)

Understanding Deep Learning via Notions of Rank
von: Razin, Noam
Veröffentlicht: (2024)

A Deep Learning Approach for Augmenting Perceptional Understanding of Histopathology Images
von: Hu, Xiaoqian
Veröffentlicht: (2025)

Understanding Representation of Deep Equilibrium Models from Neural Collapse Perspective
von: Sun, Haixiang, et al.
Veröffentlicht: (2024)

Enhancing Psychologists' Understanding through Explainable Deep Learning Framework for ADHD Diagnosis
von: Rehman, Abdul, et al.
Veröffentlicht: (2026)

Deep Networks Learn Deep Hierarchical Models
von: Daniely, Amit
Veröffentlicht: (2026)

DeepVARwT: Deep Learning for a VAR Model with Trend
von: Li, Xixi, et al.
Veröffentlicht: (2022)

Deep Reinforcement Learning Based Systems for Safety Critical Applications in Aerospace
von: Sherifi, Abedin
Veröffentlicht: (2024)

Deep Reinforcement Learning for Digital Twin-Oriented Complex Networked Systems
von: Wen, Jiaqi, et al.
Veröffentlicht: (2024)

Interpretable Neural System Dynamics: Combining Deep Learning with System Dynamics Modeling to Support Critical Applications
von: D'Elia, Riccardo
Veröffentlicht: (2025)

Towards Understanding What State Space Models Learn About Code
von: Wu, Jiali, et al.
Veröffentlicht: (2026)

Deep Learning-based Intrusion Detection Systems: A Survey
von: Xu, Zhiwei, et al.
Veröffentlicht: (2025)

A Multi-agent AI System for Deep Learning Model Migration from TensorFlow to JAX
von: Nikolov, Stoyan, et al.
Veröffentlicht: (2026)

On Security Weaknesses and Vulnerabilities in Deep Learning Systems
von: Lai, Zhongzheng, et al.
Veröffentlicht: (2024)

Efficiency Robustness of Dynamic Deep Learning Systems
von: Rathnasuriya, Ravishka, et al.
Veröffentlicht: (2025)

GenCode: A Generic Data Augmentation Framework for Boosting Deep Learning-Based Code Understanding
von: Dong, Zeming, et al.
Veröffentlicht: (2024)

CHEM: Estimating and Understanding Hallucinations in Deep Learning for Image Processing
von: Li, Jianfei, et al.
Veröffentlicht: (2025)