Induced Subgraphs of $$K_r$$-Free Graphs and the Erdős–Rogers Problem
Notice bibliographique
Résumé
Abstract For two graphs F, H and a positive integer n, the function $$f_{F,H}(n)$$ f F , H ( n ) denotes the largest m such that every H-free graph on n vertices contains an F-free induced subgraph on m vertices. This function has been extensively studied in the last 60 years when F and H are cliques and became known as the Erdős–Rogers function. Recently, Balogh, Chen and Luo, and Mubayi and Verstraëte initiated the systematic study of this function in the case where F is a general graph. Answering, in a strong form, a question of Mubayi and Verstraëte, we prove that for every positive integer r and every $$K_{r-1}$$ K r - 1 -free graph F, there exists some $$\varepsilon _F>0$$ ε F > 0 such that $$f_{F,K_r}(n)=O(n^{1/2-\varepsilon _F})$$ f F , K r ( n ) = O ( n 1 / 2 - ε F ) . This result is tight in two ways. Firstly, it is no longer true if F contains $$K_{r-1}$$ K r - 1 as a subgraph. Secondly, we show that for all $$r\ge 4$$ r ≥ 4 and $$\varepsilon >0$$ ε > 0 , there exists a $$K_{r-1}$$ K r - 1 -free graph F for which $$f_{F,K_r}(n)=\Omega (n^{1/2-\varepsilon })$$ f F , K r ( n ) = Ω ( n 1 / 2 - ε ) . Along the way of proving this, we show in particular that for every graph F with minimum degree t, we have $$f_{F,K_4}(n)=\Omega (n^{1/2-6/\sqrt{t}})$$ f F , K 4 ( n ) = Ω ( n 1
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 | 0,001 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,004 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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.
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 ».