MétaCan
Menu
Constructeur de cohorte

4 299 418 travaux, canadiens par l’une de quatre routes.

Chaque état de filtre est une URL; l’URL est la requête; la requête est citable via /q/⟨hash⟩. La page, l’API et l’export analysent les mêmes paramètres.

La cohorte courante, diffusée en continu depuis la base de données : toutes les colonnes des travaux, les étiquettes machine, les scores provisoires et l'état de validation de chaque rangée. Les exportations sont plafonnées à 100 000 rangées. Crée un lien /q/ permanent pour cette requête exacte. Les mêmes filtres produisent toujours le même lien, qui que soit le demandeur.

Terme de recherche
Auteur ou autrice
Période
Ordre
Langue
Type
Domaine
Revue
Sujet
Machine Learning and Algorithms
Rétractation
Résumé
Source des données probantes
Devis d'étude
Accord des étiquettes
État des étiquettes

Les étiquettes directes de Codex et Gemma sont non validées et clairsemées. Les prédictions distillées couvrent la base complète et sont elles aussi non validées. Choisissez explicitement la source; l'absence d'une étiquette directe n'est jamais une étiquette négative.

affaffiliation
fundbailleur
venuerevue
aboutsujet

Les quatre voies se composent : exigez la voie du financement et excluez l'affiliation pour obtenir la strate financée-seulement qu'aucune base fondée sur l'affiliation ne voit jamais.

587 résultats · 1 filtre actif ·
Résultats par année
20002025
Date de publication
Catégories
Étiquettes machine · couverture clairsemée
Preuves
Langue
Type
Citations
Un travail non étiqueté est inconnu, pas un négatif. La couverture est rapportée à chaque requête.
587 travaux dans la cohorte · sur 4 299 418page 10 sur 12

Les étiquettes couvrent 1 des 587 travaux de cette cohorte. Les autres sont non étiquetés, ce qui n'est pas une étiquette négative : la table des étiquettes est clairsemée aujourd'hui et s'enrichit au fil des rondes d'étiquetage.

Les prédictions distillées couvrent 587 des 587 travaux de cette cohorte. Ces prédictions portent le statut machine_predicted_unvalidated. Le volet Gemma est une étiquette directe du modèle pour chaque travail (titre seulement); le volet Codex est un classifieur distillé et calibré. Le mode candidate est l'union; le consensus est l'intersection.

affsans résuménon étiqueté
Classification Confidence Scores with Point-wise Guarantees.
Nivasini Ananthakrishnan, Shai Ben-David, Tosca Lechner
2021· article· en· National Conference on Artificial Intelligence· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
0
citations
aboutno affnon étiqueté
industrie du papier pdf
2024· other· fr· Zenodo (CERN European Organization for Nuclear Research)· Computer Science
prédiction machine:candidate · insufficient_payloadconsensus · insufficient_payload
0
citations
affnon étiqueté
Rounding meets approximate model counting
Jiong Yang, Kuldeep S. Meel
2025· article· en· Formal Methods in System Design· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
0
citations
affnon étiqueté
Nonuniform Learnability
Shai Shalev‐Shwartz, Shai Ben-David
2014· book-chapter· en· Cambridge University Press eBooks· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
0
citations
fundno affnon étiqueté
On the Computability of Robust PAC Learning
Pascale Gourdeau, Tosca Lechner, Ruth Urner
2024· preprint· en· arXiv (Cornell University)· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
0
citations
affnon étiqueté
Ethology-Based Approximate Adaptive Learning
James F. Peters, Shabnam Shahfar
2011· book-chapter· en· Machine Learning· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
0
citations
fundno affnon étiqueté
On the Optimal Bounds for Noisy Computing
Banghua Zhu, Ziao Wang, Nadim Ghaddar, Jiantao Jiao, Lele Wang
2023· preprint· en· arXiv (Cornell University)· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
0
citations
affnon étiqueté
Bias-Aware Curriculum Sampling For Fair Ranking
Seyedali Seyedsalehi, Hai Son Le, Morteza Zihayat, Ebrahim Bagheri
2025· article· en· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
0
citations
affnon étiqueté
Sharpening Occam's Razor
Ming Li, John Tromp, Paul Vitányi
2002· preprint· en· arXiv (Cornell University)· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
0
citations
affsans résuménon étiqueté
Supervised Learning
Ling Liu, M. TAMER ÖZSU
2009· book-chapter· en· Encyclopedia of Database Systems· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
0
citations
fundno affnon étiqueté
MyriadAL: Active Few Shot Learning for Histopathology
Nico Schiavone, Jingyi Wang, Shuangzhi Li, Roger J. Zemp, Xingyu Li
2023· preprint· en· arXiv (Cornell University)· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
0
citations

En coulisses: Sélection · Constats · À propos