:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Franchi, Matt, Choksi, Madiha Zahrah, Triedman, Harold, Nissenbaum, Helen
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	https://arxiv.org/abs/2604.20904
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Privacy of Groups in Dense Street Imagery
von: Franchi, Matt, et al.
Veröffentlicht: (2025)

Arbitrariness and Social Prediction: The Confounding Role of Variance in Fair Classification
von: Cooper, A. Feder, et al.
Veröffentlicht: (2023)

MillStone: How Open-Minded Are LLMs?
von: Triedman, Harold, et al.
Veröffentlicht: (2025)

Harnessing the power of LLMs for normative reasoning in MASs
von: Savarimuthu, Bastin Tony Roy, et al.
Veröffentlicht: (2024)

Label-Free Reinforcement Learning via Cross-Model Entropy
von: Gorbett, Matt, et al.
Veröffentlicht: (2026)

Reinforcement Learning in hyperbolic space for multi-step reasoning
von: Xu, Tao, et al.
Veröffentlicht: (2025)

Exploring System 1 and 2 communication for latent reasoning in LLMs
von: Coda-Forno, Julian, et al.
Veröffentlicht: (2025)

Bayesian Modeling of Zero-Shot Classifications for Urban Flood Detection
von: Franchi, Matt, et al.
Veröffentlicht: (2025)

Regaining Trust: Impact of Transparent User Interface Design on Acceptance of Camera-Based In-Car Health Monitoring Systems
von: Sandhaus, Hauke, et al.
Veröffentlicht: (2024)

Multimodal normative modeling in Alzheimers Disease with introspective variational autoencoders
von: Kumar, Sayantan, et al.
Veröffentlicht: (2026)

Are complicated loss functions necessary for teaching LLMs to reason?
von: Carrino, Gabriele, et al.
Veröffentlicht: (2026)

Efficiently Deploying LLMs with Controlled Risk
von: Zellinger, Michael J., et al.
Veröffentlicht: (2024)

Preventing overfitting in deep learning using differential privacy
von: Khatri, Alizishaan Anwar Hussein
Veröffentlicht: (2026)

Opinion: Revisiting synthetic data classifications from a privacy perspective
von: Vallevik, Vibeke Binz, et al.
Veröffentlicht: (2025)

Machine Learning-based Android Intrusion Detection System
von: Tahreem, Madiha, et al.
Veröffentlicht: (2024)

Counterfactual Evaluation Reveals Hidden Capability Profiles in Clinical LLMs and Agents
von: Turk, Matt
Veröffentlicht: (2026)

Chemical knowledge-informed framework for privacy-aware retrosynthesis learning
von: Chen, Guikun, et al.
Veröffentlicht: (2025)

Self-rewarding correction for mathematical reasoning
von: Xiong, Wei, et al.
Veröffentlicht: (2025)

Differential privacy for medical deep learning: methods, tradeoffs, and deployment implications
von: Mohammadi, Marziyeh, et al.
Veröffentlicht: (2025)

Denoising diffusion networks for normative modeling in neuroimaging
von: Whitbread, Luke, et al.
Veröffentlicht: (2026)

LLMs cannot find reasoning errors, but can correct them given the error location
von: Tyen, Gladys, et al.
Veröffentlicht: (2023)

QuestBench: Can LLMs ask the right question to acquire information in reasoning tasks?
von: Li, Belinda Z., et al.
Veröffentlicht: (2025)

Reinforcing Numerical Reasoning in LLMs for Tabular Prediction via Structural Priors
von: Cai, Pengxiang, et al.
Veröffentlicht: (2025)

ReactorFold: Generative discovery of nuclear reactor cores via emergent physical reasoning
von: Lee, Yoonpyo
Veröffentlicht: (2025)

Sparsity in neural networks can improve their privacy
von: Gonon, Antoine, et al.
Veröffentlicht: (2023)

Torch-Uncertainty: A Deep Learning Framework for Uncertainty Quantification
von: Lafage, Adrien, et al.
Veröffentlicht: (2025)

ProvMind: Provenance-grounded reasoning for materials synthesis
von: Zhang, Yiming, et al.
Veröffentlicht: (2026)

TimeMaster: Training Time-Series Multimodal LLMs to Reason via Reinforcement Learning
von: Zhang, Junru, et al.
Veröffentlicht: (2025)

DiFFPO: Training Diffusion LLMs to Reason Fast and Furious via Reinforcement Learning
von: Zhao, Hanyang, et al.
Veröffentlicht: (2025)

h1: Bootstrapping LLMs to Reason over Longer Horizons via Reinforcement Learning
von: Motwani, Sumeet Ramesh, et al.
Veröffentlicht: (2025)

Rational Tuning of LLM Cascades via Probabilistic Modeling
von: Zellinger, Michael J., et al.
Veröffentlicht: (2025)

Review learning: Real world validation of privacy preserving continual learning across medical institutions
von: Yoo, Jaesung, et al.
Veröffentlicht: (2022)

Fail Fast, or Ask: Mitigating the Deficiencies of Reasoning LLMs with Human-in-the-Loop Systems Engineering
von: Zellinger, Michael J., et al.
Veröffentlicht: (2025)

The Art of Scaling Reinforcement Learning Compute for LLMs
von: Khatri, Devvrit, et al.
Veröffentlicht: (2025)

RLAE: Reinforcement Learning-Assisted Ensemble for LLMs
von: Fu, Yuqian, et al.
Veröffentlicht: (2025)

Lost in Cultural Translation: Do LLMs Struggle with Math Across Cultural Contexts?
von: Karim, Aabid, et al.
Veröffentlicht: (2025)

Probing to Refine: Reinforcement Distillation of LLMs via Explanatory Inversion
von: Tan, Zhen, et al.
Veröffentlicht: (2026)

Unlocking Reasoning Capabilities in LLMs via Reinforcement Learning Exploration
von: Deng, Wenhao, et al.
Veröffentlicht: (2025)

TruthRL: Incentivizing Truthful LLMs via Reinforcement Learning
von: Wei, Zhepei, et al.
Veröffentlicht: (2025)

Easy Samples Are All You Need: Self-Evolving LLMs via Data-Efficient Reinforcement Learning
von: Yu, Zhiyin, et al.
Veröffentlicht: (2026)