MétaCan
ENFR
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.

Exporter en CSVExporter en JSONRequête API

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 4 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.

affnon étiqueté
Shifting regret, mirror descent, and matrices
András György, Csaba Szepesvári
2016· article· en· Spiral (Imperial College London)· Decision Sciences
prédiction machine:candidate · aucuneconsensus · aucune
9
citations
affnon étiqueté
On Explore-Then-Commit Strategies
Aurélien Garivier, Emilie Kaufmann, Tor Lattimore
2016· preprint· en· arXiv (Cornell University)· Decision Sciences
prédiction machine:candidate · aucuneconsensus · aucune
8
citations
affnon étiqueté
Expressible inspections
Tai Wei Hu, Eran Shmaya
2013· article· en· Theoretical Economics· Decision Sciences
prédiction machine:candidate · aucuneconsensus · aucune
8
citations
affsans résuménon étiqueté
Adaptive Neyman Allocation
Jinglong Zhao
2023· article· en· SSRN Electronic Journal· Decision Sciences
prédiction machine:candidate · aucuneconsensus · aucune
7
citations
affnon étiqueté
Can We Learn to Beat the Best Stock
Allan Borodin, Ran El‐Yaniv, Vincent Gogan
2004· article· en· Journal of Artificial Intelligence Research· Decision Sciences
prédiction machine:candidate · aucuneconsensus · aucune
7
citations
affnon étiqueté
Online Sparse Reinforcement Learning
Botao Hao, Tor Lattimore, Csaba Szepesvári, Mengdi Wang
2021· article· en· International Conference on Artificial Intelligence and Statistics· Decision Sciences
prédiction machine:candidate · aucuneconsensus · aucune
6
citations
afffundsans résuménon étiqueté
The fast iterated bootstrap
Russell Davidson, Mirza Trokić
2020· article· en· Journal of Econometrics· Decision Sciences
prédiction machine:candidate · aucuneconsensus · aucune
6
citations
affnon étiqueté
Combinatorial Bandits
Tor Lattimore, Csaba Szepesvári
2020· book-chapter· en· Cambridge University Press eBooks· Decision Sciences
prédiction machine:candidate · aucuneconsensus · aucune
5
citations
afffundsans résuménon étiqueté
Bayesian Reinforcement Learning with Exploration
Tor Lattimore, Marcus Hütter
2014· book-chapter· en· Lecture notes in computer science· Decision Sciences
prédiction machine:candidate · aucuneconsensus · aucune
5
citations
affnon étiqueté
Tracking the best quantizer
András György, Tamás Linder, Gábor Lugosi
2005· article· en· Decision Sciences
prédiction machine:candidate · aucuneconsensus · aucune
5
citations
affsans résuménon étiqueté
Strategies for Prediction Under Imperfect Monitoring
Gábor Lugosi, Shie Mannor, Gilles Stoltz
2007· book-chapter· en· Lecture notes in computer science· Decision Sciences
prédiction machine:candidate · aucuneconsensus · aucune
5
citations
← précédentsuivant →

En coulisses: Sélection · Constats · À propos