Reports of the 2016 AAAI Workshop Program
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The Workshop Program of the Association for the Advancement of Artificial Intelligence's Thirtieth AAAI Conference on Artificial Intelligence (AAAI‐16) was held at the beginning of the conference, February 12–13, 2016. Workshop participants met and discussed issues with a selected focus, and the workshop provided an informal setting for active exchange among researchers, developers, and users on topics of current interest. The AAAI‐16 workshops were an excellent forum for exploring emerging approaches and task areas, for bridging the gaps between AI and other fields or between subfields of AI, for elucidating the results of exploratory research, or for critiquing existing approaches. The 15 workshops held at AAAI‐16 were Artificial Intelligence Applied to Assistive Technologies and Smart Environments (WS‐16‐01), AI, Ethics, and Society (WS‐16‐02), Artificial Intelligence for Cyber Security (WS‐16‐03), Artificial Intelligence for Smart Grids and Smart Buildings (WS‐16‐04), Beyond NP (WS‐16‐05), Computer Poker and Imperfect Information Games (WS‐16‐06), Declarative Learning Based Programming (WS‐16‐07), Expanding the Boundaries of Health Informatics Using AI (WS‐16‐08), Incentives and Trust in Electronic Communities (WS‐16‐09), Knowledge Extraction from Text (WS‐16‐10), Multiagent Interaction Without Prior Coordination (WS‐16‐11), Planning for Hybrid Systems (WS‐16‐12), Scholarly Big Data: AI Perspectives, Challenges, and Ideas (WS‐16‐13), Symbiotic Cognitive Systems (WS‐16‐14), and World Wide Web and Population Health Intelligence (WS‐16‐15).
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle