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
Reinforcement Learning in Robotics
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.

1 145 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.
1 145 travaux dans la cohorte · sur 4 299 418page 18 sur 23

Les étiquettes couvrent 2 des 1 145 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 1 145 des 1 145 travaux de cette cohorte. Ces prédictions portent le statut machine_predicted_unvalidated. Le mode candidate est l'union; le consensus est l'intersection.

affsans résuménon étiqueté
Approximated multi-agent fitted Q iteration
Antoine Lesage‐Landry, Duncan S. Callaway
2023· article· en· Systems & Control Letters· Computer Science
prédiction distillée:candidate · insufficient_payloadconsensus · aucune
0
citations
afffundnon étiqueté
Multi-Agent Advisor Q-Learning (Extended Abstract)
Sriram Ganapathi Subramanian, Matthew E. Taylor, Kate Larson, Mark Crowley
2023· article· en· Computer Science
prédiction distillée:candidate · insufficient_payloadconsensus · aucune
0
citations
affnon étiqueté
Two-Level Actor-Critic Using Multiple Teachers
Su Zhang, Srijita Das, Sriram Ganapathi Subramanian, Matthew E. Taylor
2023· article· Computer Science
prédiction distillée:candidate · metaepi_narrow+insufficient_payloadconsensus · aucune
0
citations
affnon étiqueté
Reinforcement Learning with Partial Parametric Model Knowledge
Shuyuan Wang, Philip D. Loewen, Nathan P. Lawrence, Michael G. Forbes, R. Bhushan Gopaluni
2023· article· en· IFAC-PapersOnLine· Computer Science
prédiction distillée:candidate · metaepi_narrow+insufficient_payloadconsensus · aucune
0
citations
affsans résuménon étiqueté
Reinforcement Learning Background
Alice Faisal, Ibrahim Al-Nahhal, Octavia A. Dobre, Telex M. N. Ngatched
2024· book-chapter· en· SpringerBriefs in computer science· Computer Science
prédiction distillée:candidate · metaepi_narrow+scholarly_communication+insufficient_payloadconsensus · aucune
0
citations
affnon étiqueté
Sigma point policy iteration
2008· article· Computer Science
prédiction distillée:candidate · metaepi_narrow+insufficient_payloadconsensus · aucune
0
citations
affsans résuménon étiqueté
Pretraining Reward-Free Representations for Data-Efficient Reinforcement Learning
Max Schwarzer, Nitarshan Rajkumar, Michael Noukhovitch, Ankesh Anand, Laurent Charlin, R Devon Hjelm +2 autres
2021· article· en· International Conference on Learning Representations· Computer Science
prédiction distillée:candidate · metaepi_narrow+scholarly_communicationconsensus · aucune
0
citations
fundno affnon étiqueté
Causal Deep Q Network
2025· article· ArXiv.org· Computer Science
prédiction distillée:candidate · metaepi_narrow+insufficient_payloadconsensus · aucune
0
citations
affnon étiqueté
Graph augmented Deep Reinforcement Learning in the GameRLand3D environment
Edward Beeching, Maxim Peter, Philippe Marcotte, Jilles Debangoye, Olivier Simonin, Joshua Romoff +1 autres
2021· preprint· en· HAL (Le Centre pour la Communication Scientifique Directe)· Computer Science
prédiction distillée:candidate · metaepi_narrow+scholarly_communicationconsensus · aucune
0
citations
affsans résuménon étiqueté
StarCraft Bots and Competitions
David G. Churchill, Mike Preuß, Florian Richoux, Gabriel Synnaeve, Alberto Uriarte, Santiago Ontañón +1 autres
2024· book-chapter· en· Encyclopedia of Computer Graphics and Games· Computer Science
prédiction distillée:candidate · metaepi_narrowconsensus · aucune
0
citations
affnon étiqueté
Network architecture enforced symmetry
2019· dissertation· en· eScholarship@McGill (McGill)· Computer Science
prédiction distillée:candidate · metaepi_narrow+research_integrity+insufficient_payloadconsensus · metaepi_narrow+research_integrity
0
citations

En coulisses: Sélection · Constats · À propos