Notice bibliographique
Résumé
This paper considers the coded downlink massive random access problem in which a base-station (BS) aims to communicate descriptions of the sources$\left(X_{1}, \cdots, X_{k}\right)$to a randomly activated subset of$k$users, among a large pool of$n$potential users, via a common message in the downlink. Assuming that the downlink channel is noiseless, this paper investigates the lossy source coding setting where upon receiving the common message from the BS, each active user aims to recover a reconstruction$\hat{X}_{i}$of their intended source$X_{i}$, such that the expected distortion between$\left(\hat{X}_{1}, \cdots, \hat{X}_{k}\right)$and$\left(X_{1}, \cdots, X_{k}\right)$is less than$D$. In this paper, we show that a previously proposed lossless coding strategy and its corresponding codebook construction for exchangeable sources, the urn codebook, can be extended to the lossy source coding setting using the Poisson functional representation. With this coding strategy, we show that for exchangeable sources$\left(X_{1}, \cdots, X_{k}\right)$, a common message length of$R(D)$bits plus an overhead of$O(k)$bits, independent of$n$, is achievable, where$R(D)$is the rate-distortion function for compressing$\left(X_{1}, \cdots, X_{k}\right)$. If the sources are i.i.d., this overhead can be reduced to$O(\log (k))$bits.
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 | 0,002 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».