Best Paper Awards
Notice bibliographique
Résumé
The DATE 2012 Best Paper is: "COMPOSITIONAL SYSTEM-LEVEL DESIGN EXPLORATION WITH PLANNING OF HIGH-LEVEL SYNTHESIS" by Hung-Yi Liu, Michele Petracca, and Luca P. Carloni, Columbia University, USA. The DATE 2013 best papers are: (1) "AVICA: AN ACCESS-TIME VARIATION INSENSITIVE L1 CACHE ARCHITECTURE" by Seokin Hong and Soontea Kim - Korea Advanced Institute of Science and Technology, South Korea; (2) "SCC THERMAL MODEL IDENTIFICATION VIA ADVANCED BIAS-COMPENSATED LEAST-SQUARES" by Roberto Diversi, Andrea Bartolini, Andrea Tilli, Francesco Beneventi and Luca Benini - University of Bologna, Italy; (3) "HANDLING DISCONTINUOUS EFFECTS IN MODELING SPATIAL CORRELATION OF WAFER-LEVEL ANALOG/RF TESTS" by Ke Huang and Yiorgos Makris - University of Texas at Dallas, USA and Nathan Kupp - Yale University, USA and John Carulli - Texas Instruments, USA; and (4) "FIFO CACHE ANALYSIS FOR WCET ESTIMATION: A QUANTITATIVE APPROACH" by Nan Guan, Xinping Yang and Wang Yi - Uppsala University, Sweeden and Mingsong Lv - Northeastern University, Canada.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,012 | 0,005 |
| Science ouverte | 0,003 | 0,006 |
| Intégrité de la recherche | 0,005 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,616 | 0,511 |
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 source (Gemma direct ou Codex distillé), 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 ».