SynthACticBench: A Capability-Based Synthetic Benchmark for Algorithm Configuration

Margraf, V., Lappe, A., Wever, M. D., Benjamins, C., Hüllermeier, E. & Lindauer, M., Juni 2025, (Elektronisch veröffentlicht (E-Pub)) GECCO 2025 - Proceedings of the 2025 Genetic and Evolutionary Computation Conference . Association for Computing Machinery (ACM), (ACM Conferences).

Publikation: Beitrag in Buch/Bericht/Sammelwerk/Konferenzband › Aufsatz in Konferenzband › Forschung › Peer-Review

Growing with Experience: Growing Neural Networks in Deep Reinforcement Learning

Fehring, L., Eimer, T. & Lindauer, M., 15 Feb. 2025, (Angenommen/Im Druck) 2025 Multi-disciplinary Conference on Reinforcement Learning and Decision Making (RLDM 2025).

Publikation: Beitrag in Buch/Bericht/Sammelwerk/Konferenzband › Abstract in Konferenzband › Forschung › Peer-Review

Moments Matter: Stabilizing Policy Optimization using Return Distributions

Jabs, D., Mohan, A. & Lindauer, M., 15 Feb. 2025, (Angenommen/Im Druck) 2025 Multi-disciplinary Conference on Reinforcement Learning and Decision Making (RLDM 2025).

Publikation: Beitrag in Buch/Bericht/Sammelwerk/Konferenzband › Abstract in Konferenzband › Forschung › Peer-Review

How Green is AutoML for Tabular Data?

Neutatz, F., Lindauer, M. & Abedjan, Z., 2025, Proceedings 28th International Conference on Extending Database Technology ( EDBT 2025 ). S. 350–363

Publikation: Beitrag in Buch/Bericht/Sammelwerk/Konferenzband › Aufsatz in Konferenzband › Forschung › Peer-Review

Task Scheduling & Forgetting in Multi-Task Reinforcement Learning

Speckmann, M. & Eimer, T., 2025, Multi-disciplinary Conference on Reinforcement Learning and Decision Making (RLDM 2025).

Publikation: Beitrag in Buch/Bericht/Sammelwerk/Konferenzband › Abstract in Konferenzband › Forschung › Peer-Review

Bayesian Optimization for Protein Sequence Design: Back to Simplicity with Gaussian Processes

Benjamins, C., Surana, S., Bent, O., Lindauer, M. & Duckworth, P., Dez. 2024, (Elektronisch veröffentlicht (E-Pub)) AI for Accelerated Materials Design - NeurIPS Workshop 2024.

Publikation: Beitrag in Buch/Bericht/Sammelwerk/Konferenzband › Aufsatz in Konferenzband › Forschung › Peer-Review

Improving Argument Effectiveness Across Ideologies using Instruction-tuned Large Language Models

El Baff, R., Khatib, K. A., Alshomary, M., Konen, K., Stein, B. & Wachsmuth, H., 1 Nov. 2024, Findings of the Association for Computational Linguistics: EMNLP 2024. Al-Onaizan, Y., Bansal, M. & Chen, Y.-N. (Hrsg.). Miami, Florida, USA, S. 4604-4622 19 S.

Publikation: Beitrag in Buch/Bericht/Sammelwerk/Konferenzband › Aufsatz in Konferenzband › Forschung › Peer-Review

Towards Enhancing Predictive Representations using Relational Structure in Reinforcement Learning

Mohan, A. & Lindauer, M., 30 Sept. 2024, (Angenommen/Im Druck) The 17th European Workshop on Reinforcement Learning (EWRL 2024).

Publikation: Beitrag in Buch/Bericht/Sammelwerk/Konferenzband › Abstract in Konferenzband › Forschung › Peer-Review

Towards Modeling and Evaluating Instructional Explanations in Teacher-Student Dialogues

Feldhus, N., Anagnostopoulou, A., Wang, Q., Alshomary, M., Wachsmuth, H., Sonntag, D. & Möller, S., 4 Sept. 2024, Proceedings of the 2024 International Conference on Information Technology for Social Good. New York, NY, USA, S. 225–230

Publikation: Beitrag in Buch/Bericht/Sammelwerk/Konferenzband › Aufsatz in Konferenzband › Forschung › Peer-Review

Disentangling Dialect from Social Bias via Multitask Learning to Improve Fairness

Spliethöver, M., Menon, S. N. & Wachsmuth, H., Aug. 2024, Findings of the Association for Computational Linguistics ACL 2024. Ku, L.-W., Martins, A. & Srikumar, V. (Hrsg.). S. 9294-9313 20 S. (Proceedings of the Annual Meeting of the Association for Computational Linguistics).

Publikation: Beitrag in Buch/Bericht/Sammelwerk/Konferenzband › Aufsatz in Konferenzband › Forschung › Peer-Review

LLM-based Rewriting of Inappropriate Argumentation using Reinforcement Learning from Machine Feedback

Ziegenbein, T., Skitalinska, G., Bayat Makou, A. & Wachsmuth, H., Aug. 2024, Proceedings of the 62nd Annual Meeting of the Association for Computational Linguistics (Volume 1: Long Papers). Band 1. S. 4455-4476

Publikation: Beitrag in Buch/Bericht/Sammelwerk/Konferenzband › Aufsatz in Konferenzband › Forschung › Peer-Review

Objective Argument Summarization in Search

Ziegenbein, T., Syed, S., Potthast, M. & Wachsmuth, H., 17 Juli 2024, Robust Argumentation Machines - First International Conference, RATIO 2024, Proceedings: First International Conference, RATIO 2024, Bielefeld, Germany, June 5–7, 2024, Proceedings. Cimiano, P., Frank, A., Kohlhase, M. & Stein, B. (Hrsg.). 1. Aufl. Cham, S. 335-351 17 S. (Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics); Band 14638 LNAI).

Publikation: Beitrag in Buch/Bericht/Sammelwerk/Konferenzband › Aufsatz in Konferenzband › Forschung › Peer-Review

Hyperparameter Importance Analysis for Multi-Objective AutoML

Theodorakopoulos, D., Stahl, F. & Lindauer, M., 4 Juli 2024, (Angenommen/Im Druck) Proceedings of the european conference on AI (ECAI).

Publikation: Beitrag in Buch/Bericht/Sammelwerk/Konferenzband › Aufsatz in Konferenzband › Forschung › Peer-Review

Position: Why We Must Rethink Empirical Research in Machine Learning

Herrmann, M., Lange, F. J. D., Eggensperger, K., Casalicchio, G., Wever, M., Feurer, M., Rügamer, D., Hüllermeier, E., Boulesteix, A. & Bischl, B., Juli 2024, (Elektronisch veröffentlicht (E-Pub)) Proceedings of the international conference on machine learning.

Publikation: Beitrag in Buch/Bericht/Sammelwerk/Konferenzband › Beitrag in Buch/Sammelwerk › Forschung › Peer-Review