Buchumschlag

Localizing Input Uncertainty Quantification for Large Language Models via Shapley Values

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Lee, Seongjun, Yoon, Suwan, Lee, Changhee
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

The Consistency Hypothesis in Uncertainty Quantification for Large Language Models
von: Xiao, Quan, et al.
Veröffentlicht: (2025)

Enhancing Anomaly Detection via Generating Diversified and Hard-to-distinguish Synthetic Anomalies
von: Kim, Hyuntae, et al.
Veröffentlicht: (2024)

Generalized Priority-Aware Shapley Value
von: Lee, Kiljae, et al.
Veröffentlicht: (2026)

SIMBA UQ: Similarity-Based Aggregation for Uncertainty Quantification in Large Language Models
von: Bhattacharjya, Debarun, et al.
Veröffentlicht: (2025)

Shapley Uncertainty in Natural Language Generation
von: Zhu, Meilin, et al.
Veröffentlicht: (2025)

Explaining Large Language Models Decisions Using Shapley Values
von: Mohammadi, Behnam
Veröffentlicht: (2024)

Faithful Group Shapley Value
von: Lee, Kiljae, et al.
Veröffentlicht: (2025)

Efficient Shapley Value-based Non-Uniform Pruning of Large Language Models
von: Sun, Chuan, et al.
Veröffentlicht: (2025)

DSG-KD: Knowledge Distillation from Domain-Specific to General Language Models
von: Cho, Sangyeon, et al.
Veröffentlicht: (2024)

Improving Uncertainty Quantification in Large Language Models via Semantic Embeddings
von: Grewal, Yashvir S., et al.
Veröffentlicht: (2024)

SPUQ: Perturbation-Based Uncertainty Quantification for Large Language Models
von: Gao, Xiang, et al.
Veröffentlicht: (2024)

Evaluating Uncertainty Quantification Methods in Argumentative Large Language Models
von: Zhou, Kevin, et al.
Veröffentlicht: (2025)

MAQA: Evaluating Uncertainty Quantification in LLMs Regarding Data Uncertainty
von: Yang, Yongjin, et al.
Veröffentlicht: (2024)

Trustworthy Summarization via Uncertainty Quantification and Risk Awareness in Large Language Models
von: Pan, Shuaidong, et al.
Veröffentlicht: (2025)

Uncertainty Quantification of Large Language Models through Multi-Dimensional Responses
von: Chen, Tiejin, et al.
Veröffentlicht: (2025)

Uncertainty Quantification in Large Language Models Through Convex Hull Analysis
von: Catak, Ferhat Ozgur, et al.
Veröffentlicht: (2024)

Uncertainty Quantification of Large Language Models using Approximate Bayesian Computation
von: Sharma, Mridul, et al.
Veröffentlicht: (2025)

Robust Uncertainty Quantification for Self-Evolving Large Language Models via Continual Domain Pretraining
von: Zhou, Xiaofan, et al.
Veröffentlicht: (2025)

A Refutation of Shapley Values for Explainability
von: Huang, Xuanxiang, et al.
Veröffentlicht: (2023)

Inertia in Moral and Value Judgments of Large Language Models
von: Lee, Bruce W., et al.
Veröffentlicht: (2024)

Fact-Checking the Output of Large Language Models via Token-Level Uncertainty Quantification
von: Fadeeva, Ekaterina, et al.
Veröffentlicht: (2024)

ESI: Epistemic Uncertainty Quantification via Semantic-preserving Intervention for Large Language Models
von: Li, Mingda, et al.
Veröffentlicht: (2025)

Payload-Aware Intrusion Detection with CMAE and Large Language Models
von: Kim, Yongcheol, et al.
Veröffentlicht: (2025)

TimeTok: Granularity-Controllable Time-Series Generation via Hierarchical Tokenization
von: Lee, Seokhyun, et al.
Veröffentlicht: (2026)

Computing Conditional Shapley Values Using Tabular Foundation Models
von: Olsen, Lars Henry Berge, et al.
Veröffentlicht: (2026)

Enhancing Interpretability for Vision Models via Shapley Value Optimization
von: Fan, Kanglong, et al.
Veröffentlicht: (2025)

An Odd Estimator for Shapley Values
von: Fumagalli, Fabian, et al.
Veröffentlicht: (2026)

On the Inflation of KNN-Shapley Value
von: Yang, Ziao, et al.
Veröffentlicht: (2024)

Suboptimal Shapley Value Explanations
von: Lu, Xiaolei
Veröffentlicht: (2025)

Semantic Token Clustering for Efficient Uncertainty Quantification in Large Language Models
von: Cao, Qi, et al.
Veröffentlicht: (2026)

UQLM: A Python Package for Uncertainty Quantification in Large Language Models
von: Bouchard, Dylan, et al.
Veröffentlicht: (2025)

Large Language Models are Skeptics: False Negative Problem of Input-conflicting Hallucination
von: Song, Jongyoon, et al.
Veröffentlicht: (2024)

From Passive Metric to Active Signal: The Evolving Role of Uncertainty Quantification in Large Language Models
von: Zhang, Jiaxin, et al.
Veröffentlicht: (2026)

Mechanistic Interpretability of LoRA-Adapted Language Models for Nuclear Reactor Safety Applications
von: Lee, Yoon Pyo
Veröffentlicht: (2025)

Exactly Computing do-Shapley Values
von: Witter, R. Teal, et al.
Veröffentlicht: (2026)

Explaining Drift using Shapley Values
von: Edakunni, Narayanan U., et al.
Veröffentlicht: (2024)

CAGE: Causality-Aware Shapley Value for Global Explanations
von: Breuer, Nils Ole, et al.
Veröffentlicht: (2024)

Geographical Node Clustering and Grouping to Guarantee Data IIDness in Federated Learning
von: Lee, Minkwon, et al.
Veröffentlicht: (2024)

IUQ: Interrogative Uncertainty Quantification for Long-Form Large Language Model Generation
von: Fan, Haozhi, et al.
Veröffentlicht: (2026)

URAG: A Benchmark for Uncertainty Quantification in Retrieval-Augmented Large Language Models
von: Nguyen, Vinh, et al.
Veröffentlicht: (2026)