Buchumschlag

Learning Stable Predictors from Weak Supervision under Distribution Shift

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Shoeibi, Mehrdad, Hossain, Elias, Garibay, Ivan, Yousefi, Niloofar
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

BIOGEN: Evidence-Grounded Multi-Agent Reasoning Framework for Transcriptomic Interpretation in Antimicrobial Resistance
von: Hossain, Elias, et al.
Veröffentlicht: (2025)

When Policies Cannot Be Retrained: A Unified Closed-Form View of Post-Training Steering in Offline Reinforcement Learning
von: Hossain, Elias, et al.
Veröffentlicht: (2026)

Weak-to-Strong Generalization under Distribution Shifts
von: Jeon, Myeongho, et al.
Veröffentlicht: (2025)

Towards Understanding Link Predictor Generalizability Under Distribution Shifts
von: Revolinsky, Jay, et al.
Veröffentlicht: (2024)

Harnessing Optimization Dynamics for Curvature-Informed Model Merging
von: Mahdavinia, Pouria, et al.
Veröffentlicht: (2025)

RuleFuser: An Evidential Bayes Approach for Rule Injection in Imitation Learned Planners and Predictors for Robustness under Distribution Shifts
von: Patrikar, Jay, et al.
Veröffentlicht: (2024)

A Unified and Stable Risk Minimization Framework for Weakly Supervised Learning with Theoretical Guarantees
von: Zhang, Miao, et al.
Veröffentlicht: (2025)

Spectral Invariant Learning for Dynamic Graphs under Distribution Shifts
von: Zhang, Zeyang, et al.
Veröffentlicht: (2024)

PIMSM: Physics-Informed Multi-Scale Mamba for Stable Neural Representations under Distribution Shift
von: Bae, Sangyoon, et al.
Veröffentlicht: (2026)

Graphs Generalization under Distribution Shifts
von: Tian, Qin, et al.
Veröffentlicht: (2024)

Weakly Supervised Learning on Large Graphs
von: Prakash, Aditya
Veröffentlicht: (2025)

A General Framework for Learning from Weak Supervision
von: Chen, Hao, et al.
Veröffentlicht: (2024)

UAT-LITE: Inference-Time Uncertainty-Aware Attention for Pretrained Transformers
von: Hossain, Elias, et al.
Veröffentlicht: (2026)

When Can LLMs Learn to Reason with Weak Supervision?
von: Rahman, Salman, et al.
Veröffentlicht: (2026)

GeSS: Benchmarking Geometric Deep Learning under Scientific Applications with Distribution Shifts
von: Zou, Deyu, et al.
Veröffentlicht: (2023)

Memory-enhanced Invariant Prompt Learning for Urban Flow Prediction under Distribution Shifts
von: Jiang, Haiyang, et al.
Veröffentlicht: (2024)

Graph Fairness Learning under Distribution Shifts
von: Li, Yibo, et al.
Veröffentlicht: (2024)

Sufficient Invariant Learning for Distribution Shift
von: Kim, Taero, et al.
Veröffentlicht: (2022)

Supervised Algorithmic Fairness in Distribution Shifts: A Survey
von: Shao, Minglai, et al.
Veröffentlicht: (2024)

Bias as a Virtue: Rethinking Generalization under Distribution Shifts
von: Chen, Ruixuan, et al.
Veröffentlicht: (2025)

A Study on Semi-Supervised Detection of DDoS Attacks under Class Imbalance
von: Hallaji, Ehsan, et al.
Veröffentlicht: (2025)

Assessing the Robustness of Climate Foundation Models under No-Analog Distribution Shifts
von: Navarro, Maria Conchita Agana, et al.
Veröffentlicht: (2026)

Robust Uncertainty Estimation under Distribution Shift via Difference Reconstruction
von: Xu, Xinran, et al.
Veröffentlicht: (2026)

Causal-aware Graph Neural Architecture Search under Distribution Shifts
von: Li, Peiwen, et al.
Veröffentlicht: (2024)

Meta-Learn Unimodal Signals with Weak Supervision for Multimodal Sentiment Analysis
von: Mai, Sijie, et al.
Veröffentlicht: (2024)

FastBUS: A Fast Bayesian Framework for Unified Weakly-Supervised Learning
von: Wang, Ziquan, et al.
Veröffentlicht: (2026)

Removing Sandbagging in LLMs by Training with Weak Supervision
von: Ryd, Emil, et al.
Veröffentlicht: (2026)

Neuro-symbolic Weak Supervision: Theory and Semantics
von: Upreti, Nijesh, et al.
Veröffentlicht: (2025)

AI Learning Algorithms: Deep Learning, Hybrid Models, and Large-Scale Model Integration
von: Golilarz, Noorbakhsh Amiri, et al.
Veröffentlicht: (2024)

NodeReg: Mitigating the Imbalance and Distribution Shift Effects in Semi-Supervised Node Classification via Norm Consistency
von: Yang, Shenzhi, et al.
Veröffentlicht: (2025)

Adaptive Individual Uncertainty under Out-Of-Distribution Shift with Expert-Routed Conformal Prediction
von: Badkul, Amitesh, et al.
Veröffentlicht: (2025)

Learning Robust Representations for Malicious Content Detection via Contrastive Sampling and Uncertainty Estimation
von: Hossain, Elias, et al.
Veröffentlicht: (2025)

Addressing Label Shift in Distributed Learning via Entropy Regularization
von: Wu, Zhiyuan, et al.
Veröffentlicht: (2025)

Graph Data Augmentation with Contrastive Learning on Covariate Distribution Shift
von: Zeng, Fanlong, et al.
Veröffentlicht: (2025)

An Enhanced Federated Prototype Learning Method under Domain Shift
von: Kuang, Liang, et al.
Veröffentlicht: (2024)

Few-shot Cross-country Generalization of Tabular Machine Learning and Foundation Models for Childhood Anemia Prediction under Distribution Shift
von: Brima, Yusuf, et al.
Veröffentlicht: (2026)

Using Kolmogorov-Smirnov Distance for Measuring Distribution Shift in Machine Learning
von: Tonguz, Ozan K., et al.
Veröffentlicht: (2025)

Learning Universal Predictors
von: Grau-Moya, Jordi, et al.
Veröffentlicht: (2024)

Lotus at SemEval-2025 Task 11: RoBERTa with Llama-3 Generated Explanations for Multi-Label Emotion Classification
von: Ranjbar, Niloofar, et al.
Veröffentlicht: (2025)

Rethinking Weak Supervision in Anomaly Detection: A Comprehensive Benchmark
von: Yao, Xu, et al.
Veröffentlicht: (2026)