MétaCan
Menu
Retour à la cohorte
Enregistrement W2562611489 · doi:10.1007/s11225-017-9767-3

The Category of Node-and-Choice Preforms for Extensive-Form Games

2017· article· en· W2562611489 sur OpenAlexaff
Peter A. Streufert

Notice bibliographique

RevueStudia Logica · 2017
Typearticle
Langueen
DomaineComputer Science
ThématiqueLogic, programming, and type systems
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésSubcategoryMorphismMathematicsTree (set theory)Node (physics)FunctorCombinatoricsSet (abstract data type)Discrete mathematicsOperator (biology)Computer sciencePhysics

Résumé

récupéré en direct d'OpenAlex

It would be useful to have a category of extensive-form games whose isomorphisms specify equivalences between games. Since working with entire games is too large a project for a single paper, I begin here with preforms, where a “preform” is a rooted tree together with choices and information sets. In particular, this paper first defines the category $$\mathbf {Tree}$$ , whose objects are “functioned trees”, which are specially designed to be incorporated into preforms. I show that $$\mathbf {Tree}$$ is isomorphic to the full subcategory of $$\mathbf {Grph}$$ whose objects are converging arborescences. Then the paper defines the category $$\mathbf {NCP}$$ , whose objects are “node-and-choice preforms”, each of which consists of a node set, a choice set, and an operator mapping node-choice pairs to nodes. I characterize the $$\mathbf {NCP}$$ isomorphisms, define a forgetful functor from $$\mathbf {NCP}$$ to $$\mathbf {Tree}$$ , and show that $$\mathbf {Tree}$$ is equivalent to the full subcategory of $$\mathbf {NCP}$$ whose objects are perfect-information preforms. The paper also shows that many game-theoretic entities can be derived from preforms, and that these entities are well-behaved with respect to $$\mathbf {NCP}$$ morphisms and isomorphisms.

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.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,024

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,004
Communication savante0,0030,009
Science ouverte0,0010,002
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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.

Tête enseignante Opus0,044
Tête enseignante GPT0,288
Écart entre enseignants0,244 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations7
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueStudia LogicaMême sujetLogic, programming, and type systemsTravaux en français237 207