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
Domain Adaptation and Few-Shot Learning
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.

705 résultats · 1 filtre actif ·
Résultats par année
20012025
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.
705 travaux dans la cohorte · sur 4 299 418page 6 sur 15

Les étiquettes couvrent 0 des 705 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 705 des 705 travaux de cette cohorte. Ces prédictions portent le statut machine_predicted_unvalidated. Le mode candidate est l'union; le consensus est l'intersection.

afffundnon étiqueté
Multi-task Learning by Leveraging the Semantic Information
Fan Zhou, Brahim Chaib-draa, Boyu Wang
2021· article· en· Proceedings of the AAAI Conference on Artificial Intelligence· Computer Science
prédiction distillée:candidate · aucuneconsensus · aucune
8
citations
affsans résuménon étiqueté
Loss of Plasticity in Deep Continual Learning
Shibhansh Dohare, Juan Hernandez-Garcia, Parash Rahman, Richard S. Sutton, A. Rupam Mahmood
2023· preprint· en· Research Square· Computer Science
prédiction distillée:candidate · research_integrityconsensus · aucune
7
citations
fundno affnon étiqueté
A Hybrid Loss for Multiclass and Structured Prediction
Qinfeng Shi, Mark D. Reid, Tibério S. Caetano, Anton van den Hengel, Zhenhua Wang
2014· article· en· IEEE Transactions on Pattern Analysis and Machine Intelligence· Computer Science
prédiction distillée:candidate · aucuneconsensus · aucune
7
citations
afffundnon étiqueté
Domain Generalization by Rejecting Extreme Augmentations
Masih Aminbeidokhti, Fidel A. Guerrero Peña, Heitor R. Medeiros, Thomas Dubail, Éric Granger, Marco Pedersoli
2024· article· en· Computer Science
prédiction distillée:candidate · aucuneconsensus · aucune
7
citations
affnon étiqueté
Boosting with incomplete information
Gholamreza Haffari, Yang Wang, Shaojun Wang, Greg Mori
2008· article· en· Computer Science
prédiction distillée:candidate · aucuneconsensus · aucune
7
citations
affsans résuménon étiqueté
Diffusion Transport Alignment
Andrés Orozco‐Duque, Guy Wolf, Kevin R. Moon
2023· book-chapter· en· Lecture notes in computer science· Computer Science
prédiction distillée:candidate · metaepi_narrowconsensus · aucune
7
citations
affnon étiqueté
Asymptotic theory of in-context learning by linear attention
Yue M. Lu, Mary I. Letey, Jacob A. Zavatone-Veth, Anindita Maiti, Cengiz Pehlevan
2025· article· en· Proceedings of the National Academy of Sciences· Computer Science
prédiction distillée:candidate · aucuneconsensus · aucune
6
citations
affnon étiqueté
Selective embedding for deep learning
Mert Sehri, Zehui Hua, Francisco de Assis Boldt, Patrick Dumond
2025· article· en· Knowledge-Based Systems· Computer Science
prédiction distillée:candidate · aucuneconsensus · aucune
6
citations
affnon étiqueté
Domain Generalization via Semi-supervised Meta Learning
Hossein Sharifi-Noghabi, Hossein Asghari, Nazanin Mehrasa, Martin Ester
2020· preprint· en· arXiv (Cornell University)· Computer Science
prédiction distillée:candidate · metaepi_narrowconsensus · aucune
6
citations
affnon étiqueté
AuxMix: Semi-Supervised Learning with Unconstrained Unlabeled Data
Amin Banitalebi-Dehkordi, Pratik Gujjar, Yong Zhang
2022· article· en· 2022 IEEE/CVF Conference on Computer Vision and Pattern Recognition Workshops (CVPRW)· Computer Science
prédiction distillée:candidate · metaepi_narrow+insufficient_payloadconsensus · aucune
6
citations

En coulisses: Sélection · Constats · À propos