MétaCan
Menu
Retour à la cohorte
Enregistrement W4241594092 · doi:10.6028/nist.ir.7310

Evaluating reasoning systems

2006· report· en· W4241594092 sur OpenAlexaff
Conrad Bock, Michael Grüninger, Don Libes, Joshua Lubell, Eswaran Subrahmanian

Notice bibliographique

Revuenon disponible
Typereport
Langueen
DomaineDecision Sciences
ThématiqueComplex Systems and Decision Making
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésComputer science

Résumé

récupéré en direct d'OpenAlex

A review of the literature on evaluating reasoning systems reveals that it is a very broad area with wide variation in depth and breadth of research on metrics and tests.Consolidation is hampered by nonstandard terminology, differing methodologies, scattered application domains, unpublished algorithmic details, and the effects of domain content and context on the choice of metric and tests.The field of information metrology, which applies to reasoning as a kind of information processing, is still emerging from ad hoc experience in evaluating narrow kinds of information systems.This report begins to bring order to the area by categorizing reasoning systems according to their capabilities.The characteristics of each category can be used as a basis for evaluating and testing reasoning systems claiming to be in that category.Capabilities are analyzed along several dimensions, including representation languages, inference, and user and software interfaces.The report groups representation languages by their relation to first-order logic, and model-theoretic properties, such as soundness and completeness.Inference procedures are divided into deduction, induction, abduction, and analogical reasoning.Capabilities of user and software interfaces are described as they apply to reasoning systems.The report introduces information metrology, model theory, and inference to facilitate understanding of the reasoning categories presented.It concludes with recommendations for future work.Applying the results of this report to evaluation of specific reasoning systems requires further refinement of reasoning categories as needed to support development of test cases of interest to reasoning system users.Then development can proceed on generic test cases for reasoning categories.These are independent of the application, reasoning tool, and computational platform.Finally, based on the generic tests, development can start on specific test cases that are dependent on application, reasoning system tool, and computational platform.These steps can also be applied to user interface and software interface capabilities.This work can only be completed in partnership with users of reasoning systems and reasoning tool providers, to focus effort and reach the level of completeness necessary to put these metrics into practice.

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)0,025
score de la tête « metaresearch » (Gemma)0,165
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: aucune
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,025
Score d'incertitude au seuil0,133

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0250,165
Méta-épidémiologie (sens strict)0,0020,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0070,004
Études des sciences et des technologies0,0010,004
Communication savante0,0090,010
Science ouverte0,0020,005
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0100,002

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 Opus0,554
Tête enseignante GPT0,552
Écart entre enseignants0,002 · 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
GenreAutre

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

En bref

Citations5
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetComplex Systems and Decision MakingTravaux en français237 207