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 11 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
The choice of a nearest neighbor estimate
Gérard Biau, Luc Devroye
2015· book-chapter· en· Springer series in the data sciences· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
0
citations
affnon étiqueté
Countability
Marcel Danesi
2024· book-chapter· en· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
0
citations
afffundnon étiqueté
Pushdown Reward Machines for Reinforcement Learning
Giovanni Varricchione, Toryn Q. Klassen, Natasha Alechina, Mehdi Dastani, Brian Logan, Sheila A. McIlraith
2025· article· en· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
0
citations
aboutno affnon étiqueté
Ablabesmyia (Asayia) annulata Say
2011· article· en· Zenodo (CERN European Organization for Nuclear Research)· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
0
citations
affnon étiqueté
Preference-based Teaching
Ziyuan Gao, Christoph Ries, Hans Ulrich Simon, Sandra Zilles
2017· preprint· en· arXiv (Cornell University)· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
0
citations
affnon étiqueté
AI & IP
Pulkit Mogra
2025· other· en· Computer Science
prédiction machine:candidate · insufficient_payloadconsensus · aucune
0
citations
affnon étiqueté
A-optimal active learning
Tue Boesen, Eldad Haber
2023· article· en· Physica Scripta· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
0
citations
afffundsans résuménon étiqueté
Weighted automata are compact and actively learnable
Artem Kaznatcheev, Prakash Panangaden
2021· preprint· en· Information Processing Letters· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
0
citations
afffundnon étiqueté
On efficient computation in active inference
Aswin Paul, Noor Sajid, Lancelot Da Costa, Adeel Razi
2023· preprint· en· arXiv (Cornell University)· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
0
citations
affnon étiqueté
Representing Implicit Knowledge via Hypergraphs
Ben Goertzel, Cassio Pennachin, Nil Geisweiller
2014· book-chapter· en· Atlantis thinking machines· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
0
citations
affnon étiqueté
Minimax Lower Bounds
Tor Lattimore, Csaba Szepesvári
2020· book-chapter· en· Cambridge University Press eBooks· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
0
citations
afffundsans résuménon étiqueté
Bayesian active learning with abstention feedbacks
Cuong V. Nguyen, Lam Si Tung Ho, Huan Xu, Vu Dinh, Binh T. Nguyen
2021· preprint· en· Neurocomputing· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
0
citations
affsans résuménon étiqueté
Inductive Inference
Sandra Zilles
2008· book-chapter· en· Encyclopedia of Algorithms· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
0
citations
affsans résuménon étiqueté
Model-Free Classification
Paul Fieguth
2022· book-chapter· en· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
0
citations
aboutno affnon étiqueté
Ozyptila praticola
2024· article· en· Zenodo (CERN European Organization for Nuclear Research)· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
0
citations
fundno affnon étiqueté
Efficient Agnostic Learning with Average Smoothness
Steve Hanneke, Aryeh Kontorovich, Guy Kornowski
2023· preprint· en· arXiv (Cornell University)· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
0
citations
fundno affnon étiqueté
Approximation-Aware Bayesian Optimization
Natalie Maus, Kyurae Kim, Geoff Pleiss, David Eriksson, John P. Cunningham, Jacob R. Gardner
2024· preprint· en· arXiv (Cornell University)· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
0
citations
afffundnon étiqueté
Length Independent PAC-Bayes Bounds for Simple RNNs
Volodimir Mitarchuk, Clara Lacroce, Rémi Eyraud, Rémi Emonet, Amaury Habrard, Guillaume Rabusseau
2024· article· en· HAL (Le Centre pour la Communication Scientifique Directe)· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
0
citations

En coulisses: Sélection · Constats · À propos