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 12 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.

afffundnon étiqueté
Alternative Forms of Bounded Suboptimal Search
Richard Valenzano, Shahab Jabbari Arfaee, Jordan Thayer, Roni Stern
2021· article· en· Proceedings of the International Symposium on Combinatorial Search· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
0
citations
affnon étiqueté
Welfare-Maximizing Pooled Testing
Simon Finster, Michelle González Amador, Edwin Lock, Francisco J. Marmolejo-Cossío, Evi Micha, Ariel Procaccia
2024· article· en· ACM SIGecom Exchanges· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
0
citations
affnon étiqueté
Ethology-Based Approximate Adaptive Learning
James F. Peters, Shabnam Shahfar
2009· book-chapter· en· IGI Global eBooks· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
0
citations
affnon étiqueté
NOVEL MACHINE LEARNING ALGORITHMS
Alireza Farhangfar
2013· article· en· University of Alberta Library· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
0
citations
afffundsans résuménon étiqueté
Finitely distinguishable erasing pattern languages
Fahimeh Bayeh, Ziyuan Gao, Sandra Zilles
2019· article· en· Theoretical Computer Science· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
0
citations
afffundsans résuménon étiqueté
Partial learning of recursively enumerable languages
Ziyuan Gao, Frank Stephan, Sandra Zilles
2015· article· en· Theoretical Computer Science· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
0
citations
affsans résuménon étiqueté
The query complexity of order-finding
Richard Cleve
2004· article· en· Information and Computation· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
0
citations
affnon étiqueté
Identifying Regions of Trusted Predictions
Nivasini Ananthakrishnan, Shai Ben-David, Tosca Lechner, Ruth Urner
2021· article· en· Uncertainty in Artificial Intelligence· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
0
citations
affnon étiqueté
Noisy Computing of the OR and MAX Functions
Banghua Zhu, Ziao Wang, Nadim Ghaddar, Jiantao Jiao, Lele Wang
2024· article· en· IEEE Journal on Selected Areas in Information Theory· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
0
citations
fundno affnon étiqueté
Low Degree Testing over the Reals
Vipul Arora, Arnab Bhattacharyya, Noah Fleming, Esty Kelman, Yuichi Yoshida
2022· preprint· en· arXiv (Cornell University)· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
0
citations
affnon étiqueté
Foundations of Bayesian Learning
Tor Lattimore, Csaba Szepesvári
2020· book-chapter· en· Cambridge University Press eBooks· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
0
citations
aboutno affnon étiqueté
Field Experiment Data for Solo Survey
James Zabbal
2020· dataset· en· Figshare· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
0
citations
affsans résuménon étiqueté
Comparison of Tools and Methods for Technology-Assisted Review
Tom O’Halloran, Bronagh McManus, Andrew Harbison, Maura R. Grossman, Gordon V. Cormack
2024· book-chapter· en· Communications in computer and information science· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
0
citations

En coulisses: Sélection · Constats · À propos