Buchumschlag

Training ML Models with Predictable Failures

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Schwarzer, Will, Niekum, Scott
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

Evaluation-Aware Reinforcement Learning
von: Deshmukh, Shripad Vilasrao, et al.
Veröffentlicht: (2025)

Supervised Reward Inference
von: Schwarzer, Will, et al.
Veröffentlicht: (2025)

Reinforcement Learning from Human Feedback with High-Confidence Safety Constraints
von: Chittepu, Yaswanth, et al.
Veröffentlicht: (2025)

Bayesian Robust Optimization for Imitation Learning
von: Brown, Daniel S., et al.
Veröffentlicht: (2020)

Regularized Latent Dynamics Prediction is a Strong Baseline For Behavioral Foundation Models
von: Jajoo, Pranaya, et al.
Veröffentlicht: (2026)

On the Benefits of Inducing Local Lipschitzness for Robust Generative Adversarial Imitation Learning
von: Memarian, Farzan, et al.
Veröffentlicht: (2021)

Pairwise or Pointwise? Evaluating Feedback Protocols for Bias in LLM-Based Evaluation
von: Tripathi, Tuhina, et al.
Veröffentlicht: (2025)

Safe RLHF Beyond Expectation: Stochastic Dominance for Universal Spectral Risk Control
von: Chittepu, Yaswanth, et al.
Veröffentlicht: (2026)

Dual RL: Unification and New Methods for Reinforcement and Imitation Learning
von: Sikchi, Harshit, et al.
Veröffentlicht: (2023)

A Dual Approach to Imitation Learning from Observations with Offline Datasets
von: Sikchi, Harshit, et al.
Veröffentlicht: (2024)

Quantile Activation: Correcting a Failure Mode of ML Models
von: Challa, Aditya, et al.
Veröffentlicht: (2024)

Pareto-Optimal Learning from Preferences with Hidden Context
von: Bahlous-Boldi, Ryan, et al.
Veröffentlicht: (2024)

Adaptive Margin RLHF via Preference over Preferences
von: Chittepu, Yaswanth, et al.
Veröffentlicht: (2025)

An Optimal Discriminator Weighted Imitation Perspective for Reinforcement Learning
von: Xu, Haoran, et al.
Veröffentlicht: (2025)

SMORE: Score Models for Offline Goal-Conditioned Reinforcement Learning
von: Sikchi, Harshit, et al.
Veröffentlicht: (2023)

A Descriptive and Normative Theory of Human Beliefs in RLHF
von: Dandekar, Sylee, et al.
Veröffentlicht: (2025)

Impact of ML Optimization Tactics on Greener Pre-Trained ML Models
von: Álvarez, Alexandra González, et al.
Veröffentlicht: (2024)

Learning Action-based Representations Using Invariance
von: Rudolph, Max, et al.
Veröffentlicht: (2024)

SpinML: Customized Synthetic Data Generation for Private Training of Specialized ML Models
von: Zhang, Jiang, et al.
Veröffentlicht: (2025)

Automated Discovery of Functional Actual Causes in Complex Environments
von: Chuck, Caleb, et al.
Veröffentlicht: (2024)

Chronic Diseases Prediction Using ML
von: Mulakala, Sri Varsha, et al.
Veröffentlicht: (2025)

ML Inference Scheduling with Predictable Latency
von: Zhao, Haidong, et al.
Veröffentlicht: (2025)

Null Counterfactual Factor Interactions for Goal-Conditioned Reinforcement Learning
von: Chuck, Caleb, et al.
Veröffentlicht: (2025)

Scaling Laws for Reward Model Overoptimization in Direct Alignment Algorithms
von: Rafailov, Rafael, et al.
Veröffentlicht: (2024)

Fast Adaptation with Behavioral Foundation Models
von: Sikchi, Harshit, et al.
Veröffentlicht: (2025)

Optimizing ML Training with Metagradient Descent
von: Engstrom, Logan, et al.
Veröffentlicht: (2025)

Bayesian Joint Model of Multi-Sensor and Failure Event Data for Multi-Mode Failure Prediction
von: Fard, Sina Aghaee Dabaghan, et al.
Veröffentlicht: (2025)

Contrastive Preference Learning: Learning from Human Feedback without RL
von: Hejna, Joey, et al.
Veröffentlicht: (2023)

Fault Tolerant ML: Efficient Meta-Aggregation and Synchronous Training
von: Dahan, Tehila, et al.
Veröffentlicht: (2024)

SkiLD: Unsupervised Skill Discovery Guided by Factor Interactions
von: Wang, Zizhao, et al.
Veröffentlicht: (2024)

Development and Deployment of Hybrid ML Models for Critical Heat Flux Prediction in Annulus Geometries
von: Furlong, Aidan, et al.
Veröffentlicht: (2025)

Chunky Post-Training: Data Driven Failures of Generalization
von: Murray, Seoirse, et al.
Veröffentlicht: (2026)

Defining error accumulation in ML atmospheric simulators
von: Parthipan, Raghul, et al.
Veröffentlicht: (2024)

Reducing Hyperparameter Tuning Costs in ML, Vision and Language Model Training Pipelines via Memoization-Awareness
von: Essofi, Abdelmajid, et al.
Veröffentlicht: (2024)

Assessing the Potential for Catastrophic Failure in Dynamic Post-Training Quantization
von: Frank, Logan, et al.
Veröffentlicht: (2025)

A Frugal Model for Accurate Early Student Failure Prediction
von: Gagaoua, Ikram, et al.
Veröffentlicht: (2025)

Computing Within Limits: An Empirical Study of Energy Consumption in ML Training and Inference
von: Mavromatis, Ioannis, et al.
Veröffentlicht: (2024)

It's My Data Too: Private ML for Datasets with Multi-User Training Examples
von: Ganesh, Arun, et al.
Veröffentlicht: (2025)

Predicting Cascading Failures with a Hyperparametric Diffusion Model
von: Xiang, Bin, et al.
Veröffentlicht: (2024)

SnatchML: Hijacking ML models without Training Access
von: Ghorbel, Mahmoud, et al.
Veröffentlicht: (2024)