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
Advanced Bandit Algorithms Research
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.

436 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.
436 travaux dans la cohorte · sur 4 299 418page 3 sur 9

Les étiquettes couvrent 1 des 436 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 436 des 436 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
Good news and bad news in two-armed bandits
Braz Camargo
2006· article· en· Journal of Economic Theory· Decision Sciences
prédiction machine:candidate · aucuneconsensus · aucune
16
citations
affnon étiqueté
DCM bandits: learning to rank with multiple clicks
Sumeet Katariya, Branislav Kveton, Csaba Szepesvári, Zheng Wen
2016· article· en· International Conference on Machine Learning· Decision Sciences
prédiction machine:candidate · aucuneconsensus · aucune
15
citations
affnon étiqueté
The reinforcement learning Kelly strategy
Ruicheng Jiang, David Saunders, Chengguo Weng
2022· article· en· Quantitative Finance· Decision Sciences
prédiction machine:candidate · aucuneconsensus · aucune
14
citations
afffundnon étiqueté
Solving Games with Functional Regret Estimation
Kevin Waugh, Dustin Morrill, J. Andrew Bagnell, Michael Bowling
2015· article· en· Decision Sciences
prédiction machine:candidate · aucuneconsensus · aucune
14
citations
affnon étiqueté
PORTFOLIO SELECTION AND ONLINE LEARNING
Tatsiana Levina, Glenn Shafer
2008· article· en· International Journal of Uncertainty Fuzziness and Knowledge-Based Systems· Decision Sciences
prédiction machine:candidate · aucuneconsensus · aucune
14
citations
affnon étiqueté
Dynamically Aggregating Diverse Information
Annie Liang, Xiaosheng Mu, Vasilis Syrgkanis
2022· article· en· Econometrica· Decision Sciences
prédiction machine:candidate · aucuneconsensus · aucune
14
citations
fundno affnon étiqueté
Streaming algorithms for estimating entropy
Nicholas J. A. Harvey, Jelani Nelson, Krzysztof Onak
2008· article· en· Decision Sciences
prédiction machine:candidate · aucuneconsensus · aucune
14
citations
affaboutnon étiqueté
Feature-Based Inventory Control with Censored Demand
Jingying Ding, Woonghee Tim Huh, Ying Rong
2024· article· en· Manufacturing & Service Operations Management· Decision Sciences
prédiction machine:candidate · aucuneconsensus · aucune
13
citations
affnon étiqueté
The Forget-me-not Process
Kieran Milan, Joel Veness, James E. Kirkpatrick, Michael Bowling, Anna Koop, Demis Hassabis
2016· article· en· Neural Information Processing Systems· Decision Sciences
prédiction machine:candidate · aucuneconsensus · aucune
12
citations
affnon étiqueté
Learning Product Rankings Robust to Fake Users
Negin Golrezaei, Vahideh Manshadi, Jon Schneider, Shreyas Sekar
2022· article· en· Operations Research· Decision Sciences
prédiction machine:candidate · aucuneconsensus · aucune
12
citations
affsans résuménon étiqueté
Differentiable Meta-Learning of Bandit Policies.
Craig Boutilier, Chih‐Wei Hsu, Branislav Kveton, Martin Mladenov, Csaba Szepesvári, Manzil Zaheer
2020· article· en· Neural Information Processing Systems· Decision Sciences
prédiction machine:candidate · aucuneconsensus · aucune
12
citations
affnon étiqueté
Meta-Descent for Online, Continual Prediction
Andrew Jacobsen, Matthew Schlegel, Cameron Linke, Thomas Degris, Adam White, Martha White
2019· article· en· Decision Sciences
prédiction machine:candidate · aucuneconsensus · aucune
11
citations
affnon étiqueté
Bilateral Trade: A Regret Minimization Perspective
Nicolò Cesa‐Bianchi, Tommaso Cesari, Roberto Colomboni, Federico Fusco, Stefano Leonardi
2023· article· en· Mathematics of Operations Research· Decision Sciences
prédiction machine:candidate · aucuneconsensus · aucune
10
citations
affnon étiqueté
Learning While Experimenting
Ettore Damiano, Hao Li, Wing Suen
2019· article· en· The Economic Journal· Decision Sciences
prédiction machine:candidate · aucuneconsensus · aucune
9
citations
affnon étiqueté
Adaptive Monte Carlo via Bandit Allocation
James Neufeld, András György, Dale Schuurmans, Csaba Szepesvári
2014· article· en· arXiv (Cornell University)· Decision Sciences
prédiction machine:candidate · aucuneconsensus · aucune
9
citations

En coulisses: Sélection · Constats · À propos