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
AI-based Problem Solving and Planning
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.

618 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.
618 travaux dans la cohorte · sur 4 299 418page 5 sur 13

Les étiquettes couvrent 1 des 618 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 618 des 618 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
Computing Robust Plans in Continuous Domains
Christian Fritz, Sheila A. McIlraith
2009· article· en· Proceedings of the International Conference on Automated Planning and Scheduling· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
9
citations
afffundsans résuménon étiqueté
Unifying single-agent and two-player search
Jonathan Schaeffer
2001· article· en· Information Sciences· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
8
citations
affnon étiqueté
Improving Local Search for Resource-Constrained Planning
Hootan Nakhost, Jörg Hoffmann, Martin Müller
2010· article· en· Proceedings of the International Symposium on Combinatorial Search· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
8
citations
affsans résuménon étiqueté
Model checking approach to automated planning
Yi Li, Jin Song Dong, Jing Sun, Yang Liu, Jun Sun
2013· article· en· Formal Methods in System Design· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
8
citations
afffundnon étiqueté
Understanding and Improving Local Exploration for GBFS
Fan Xie, Martin Müller, Robert C. Holte
2015· article· en· Proceedings of the International Conference on Automated Planning and Scheduling· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
8
citations
affsans résuménon étiqueté
Case Authoring from Text and Historical Experiences
Marvin Zaluski, Nathalie Japkowicz, Stan Matwin
2003· book-chapter· en· Lecture notes in computer science· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
8
citations
afffundsans résuménon étiqueté
A Constraint-Based Robotic Soccer Team
Yu Zhang, Alan K. Mackworth
2002· article· en· Constraints· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
8
citations
affnon étiqueté
Are We There Yet? — Estimating Search Progress
Jordan Thayer, Roni Stern, Levi H. S. Lelis
2021· article· en· Proceedings of the International Symposium on Combinatorial Search· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
8
citations
affsans résuménon étiqueté
Authoring Cases from Free-Text Maintenance Data
Chunsheng Yang, Robert Orchard, Benoit Farley, Maivin Zaluski
2007· book-chapter· en· Lecture notes in computer science· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
7
citations
venueno affsans résuménon étiqueté
Getting parameters from learning data
Denis Cousineau, Guy Lacroix
2006· article· en· Tutorials in Quantitative Methods for Psychology· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
7
citations
affnon étiqueté
Control Network Programming
Kostadin Kratchanov, Tzanko Golemanov, Emilia Golemanova
2007· article· en· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
7
citations
fundno affnon étiqueté
A Spectrum of Plan Justifications
Eugene Fink, Qiang Yang
2018· article· en· Figshare· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
7
citations
afffundnon étiqueté
Exploiting N-Gram Analysis to Predict Operator Sequences
Christian Muise, Sheila A. McIlraith, Jorge A. Baier, Michael E. Reimer
2009· article· en· Proceedings of the International Conference on Automated Planning and Scheduling· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
6
citations
afffundnon étiqueté
Cost-Based Query Optimization via AI Planning
Nathan Robinson, Sheila A. McIlraith, David Toman
2014· article· en· Proceedings of the AAAI Conference on Artificial Intelligence· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
6
citations
affnon étiqueté
MS-Lite: A Lightweight, Complementary Merge-and-Shrink Method
Gaojian Fan, Robert C. Holte, Martin Mueller
2018· article· en· Proceedings of the International Conference on Automated Planning and Scheduling· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
6
citations
affnon étiqueté
Boosting Search Guidance in Problems with Semantic Attachments
Sara Bernardini, Maria Fox, Derek Long, Chiara Piacentini
2017· article· en· Proceedings of the International Conference on Automated Planning and Scheduling· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
6
citations
affsans résuménon étiqueté
Selective Dyna-style Planning Under Limited Model Capacity
Muhammad Zaigham Zaheer, Samuel Sokota, Erin J. Talvitie, Martha White
2020· article· en· International Conference on Machine Learning· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
6
citations
← précédentsuivant →

En coulisses: Sélection · Constats · À propos