Copertina

Algorithmic Recourse of In-Context Learning for Tabular Data

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Dong, Wenshuo, Zhang, Jiaming, Fu, Shaopneg, Lin, Hongbin, Wang, Di, Hu, Lijie
Natura:	Preprint
Pubblicazione:	2026
Soggetti:	Machine Learning
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Understanding the Dynamics of Demonstration Conflict in In-Context Learning
di: Jiao, Difan, et al.
Pubblicazione: (2026)

Learning-Augmented Robust Algorithmic Recourse
di: Kayastha, Kshitij, et al.
Pubblicazione: (2024)

Towards Multi-dimensional Explanation Alignment for Medical Classification
di: Hu, Lijie, et al.
Pubblicazione: (2024)

Learning Decision Trees and Forests with Algorithmic Recourse
di: Kanamori, Kentaro, et al.
Pubblicazione: (2024)

Reinforcement Learning for Durable Algorithmic Recourse
di: Ceccon, Marina, et al.
Pubblicazione: (2025)

Algorithmic Recourse with Missing Values
di: Kanamori, Kentaro, et al.
Pubblicazione: (2023)

Relevance-aware Algorithmic Recourse
di: Kim, Dongwhi, et al.
Pubblicazione: (2024)

EAP-GP: Mitigating Saturation Effect in Gradient-based Automated Circuit Identification
di: Zhang, Lin, et al.
Pubblicazione: (2025)

Algorithmic Recourse in Abnormal Multivariate Time Series
di: Han, Xiao, et al.
Pubblicazione: (2023)

Causal Algorithmic Recourse: Foundations and Methods
di: Plecko, Drago, et al.
Pubblicazione: (2026)

Towards Non-Adversarial Algorithmic Recourse
di: Leemann, Tobias, et al.
Pubblicazione: (2024)

Online Algorithmic Recourse by Collective Action
di: Creager, Elliot, et al.
Pubblicazione: (2023)

Breaking the Quality-Privacy Tradeoff in Tabular Data Generation via In-Context Learning
di: Han, Xinyan, et al.
Pubblicazione: (2026)

Matryoshka Concept Bottleneck Models
di: Chen, Ziye, et al.
Pubblicazione: (2026)

Understanding Generalization and Forgetting in In-Context Continual Learning
di: Li, Guangyu, et al.
Pubblicazione: (2026)

Personalized Algorithmic Recourse with Preference Elicitation
di: De Toni, Giovanni, et al.
Pubblicazione: (2022)

Time Can Invalidate Algorithmic Recourse
di: De Toni, Giovanni, et al.
Pubblicazione: (2024)

Coverage-Validity-Aware Algorithmic Recourse
di: Bui, Ngoc, et al.
Pubblicazione: (2023)

The Importance of Time in Causal Algorithmic Recourse
di: Beretta, Isacco, et al.
Pubblicazione: (2023)

In-Context Learning Operates as Concept Subspace Learning
di: Tang, Wei, et al.
Pubblicazione: (2026)

In-Run Data Shapley for Adam Optimizer
di: Ding, Meng, et al.
Pubblicazione: (2026)

From Search To Sampling: Generative Models For Robust Algorithmic Recourse
di: Garg, Prateek, et al.
Pubblicazione: (2025)

Contrastive Federated Learning with Tabular Data Silos
di: Ginanjar, Achmad, et al.
Pubblicazione: (2024)

Pareto Optimal Algorithmic Recourse in Multi-cost Function
di: Chen, Wen-Ling, et al.
Pubblicazione: (2025)

Personalized Path Recourse for Reinforcement Learning Agents
di: Hong, Dat, et al.
Pubblicazione: (2023)

TFMLinker: Universal Link Predictor by Graph In-Context Learning with Tabular Foundation Models
di: Liao, Tianyin, et al.
Pubblicazione: (2026)

Fine-tuned In-Context Learning Transformers are Excellent Tabular Data Classifiers
di: Breejen, Felix den, et al.
Pubblicazione: (2024)

Early Stopping Tabular In-Context Learning
di: Küken, Jaris, et al.
Pubblicazione: (2025)

FeatNavigator: Automatic Feature Augmentation on Tabular Data
di: Liang, Jiaming, et al.
Pubblicazione: (2024)

TabAttackBench: A Benchmark for Adversarial Attacks on Tabular Data
di: He, Zhipeng, et al.
Pubblicazione: (2025)

From Universal to Individualized Actionability: Revisiting Personalization in Algorithmic Recourse
di: Budde, Lena Marie, et al.
Pubblicazione: (2026)

SafeAR: Safe Algorithmic Recourse by Risk-Aware Policies
di: Wu, Haochen, et al.
Pubblicazione: (2023)

Fairness in Algorithmic Recourse Through the Lens of Substantive Equality of Opportunity
di: Bell, Andrew, et al.
Pubblicazione: (2024)

Learning Causal Orderings for In-Context Tabular Prediction
di: Xu, Sascha, et al.
Pubblicazione: (2026)

Active In-Context Learning for Tabular Foundation Models
di: Treerath, Wilailuck, et al.
Pubblicazione: (2026)

ElliCE: Efficient and Provably Robust Algorithmic Recourse via the Rashomon Sets
di: Turbal, Bohdan, et al.
Pubblicazione: (2026)

Risk In Context: Benchmarking Privacy Leakage of Foundation Models in Synthetic Tabular Data Generation
di: Byun, Jessup, et al.
Pubblicazione: (2025)

Controllable Concept Bottleneck Models
di: Lin, Hongbin, et al.
Pubblicazione: (2026)

Improving LLM Group Fairness on Tabular Data via In-Context Learning
di: Cherepanova, Valeriia, et al.
Pubblicazione: (2024)

Multitask-Informed Prior for In-Context Learning on Tabular Data: Application to Steel Property Prediction
di: Sinodinos, Dimitrios, et al.
Pubblicazione: (2026)