Notice bibliographique
Résumé
In the game of Skunk a pair of dice is rolled again and again and as long as you remain “standing” you can keep adding the totals to your score. At any time you can “sit” and then you take home what you have won. However if you are standing and a “one” comes up on either die, the game is over and you lose everything. An optimal strategy is traditionally developed by comparing the expected score of standing with the expected score of sitting. As long as E(standing) > E(sitting), you would continue to roll the dice. As you accumulate points, you begin risking more points. At one point it becomes too risky to go forward. However, we found this traditional methodology to be flawed (though the answer remains the same). This solution focuses only on the expected score in the next roll, instead of factoring in the expected total score that can be gained over indefinite future. The error does not come to light until weanalyze a variation where you are also allowed to choose the number of dice to use. All the equations (using the idea E(standing) > E(sitting)) we solved led us down a misleading and often intractable road. Yet, through reasoning, we figured that there is no strategy better than throwing 1-dice at a time. Proving this is quite difficult, because it had to be shown that the pure 1-dice strategy is better than all of the other (infinite) strategies, since the game can go on forever.
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 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 | 0,008 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,003 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».