Monter d'un niveau |
Ce graphique trace les liens entre tous les collaborateurs des publications de {} figurant sur cette page.
Chaque lien représente une collaboration sur la même publication. L'épaisseur du lien représente le nombre de collaborations.
Utilisez la molette de la souris ou les gestes de défilement pour zoomer à l'intérieur du graphique.
Vous pouvez cliquer sur les noeuds et les liens pour les mettre en surbrillance et déplacer les noeuds en les glissant.
Enfoncez la touche "Ctrl" ou la touche "⌘" en cliquant sur les noeuds pour ouvrir la liste des publications de cette personne.
Madsen, A., Anbil Parthipan, S. C., & Reddy, S. (août 2024). Are self-explanations from Large Language Models faithful? [Communication écrite]. 62nd Annual Meeting of the Association for Computational Linguistics (ACL 2024), Hybrid, Bangkok, Thailand. Lien externe
Madsen, A., Reddy, S., & Anbil Parthipan, S. C. (juillet 2024). Faithfulness Measurable Masked Language Models [Communication écrite]. 41st International Conference on Machine Learning (ICML 2024), Vienna, Austria. Lien externe
Krojer, B., Poole-Dayan, E., Voleti, V., Pal, C. J., & Reddy, S. (décembre 2023). Are Diffusion Models Vision-And-Language Reasoners? [Communication écrite]. 37th Conference on Neural Information Processing Systems (NeurIPS 2023), New Orleans, LA, USA (21 pages). Lien externe
Madsen, A., Reddy, S., & Anbil Parthipan, S. C. (2023). Post-hoc Interpretability for Neural NLP: A Survey. ACM Computing Surveys, 55(8), 1-42. Lien externe
Madsen, A., Meade, N., Adlakha, V., & Reddy, S. (décembre 2022). Evaluating the Faithfulness of Importance Measures in NLP by Recursively Masking Allegedly Important Tokens and Retraining [Communication écrite]. Findings of the Association for Computational Linguistics (EMNLP 2022), Abu Dhabi, United Arab Emirates. Lien externe
Gontier, N., Sinha, K., Reddy, S., & Pal, C. J. (décembre 2020). Measuring systematic generalization in neural proof generation with transformers [Communication écrite]. 34th Conference on Neural Information Processing Systems (NeurIPS 2020) (17 pages). Lien externe