Split Decisions: Explicit Contexts for Substructural Languages (artifact)
Notice bibliographique
Résumé
This artifact contains the Beluga mechanization accompanying the paper “Split Decisions: Explicit Contexts for Substructural Languages” (CPP '25). The artifact contains the following files: carve.tar: An archive of all source files related to mechanization, along with documentation cpp-carve.ova: A Virtual Machine image with all dependencies required to run the mechanization, including the code itself To run the mechanization directly, download and extract carve.tar. This will create a folder named carve; from there, the file carve/README.md contains detailed instructions for installing the proof assistant Beluga and running the mechanization. To run the Virtual Machine set-up, download the .ova file and import as necessary. We recommend using VirtualBox; one can import the Virtual Machine directly from the cpp-carve.ova file by following instructions at this link. Adjust the CPU/RAM allocation as needed; a configuration of 4 cores with 4 GB of RAM should suffice. If using other Virtual Machine software, you may need to extract the .ova file to obtain an .ovf file and follow the appropriate instructions. The Virtual Machine instance is a Ubuntu Server with an SSH server, containing all relevant dependencies and carve pre-installed. The username and password are both cpp25. After successfully launching and logging in (via terminal or SSH), run the following: cd carvebeluga run_all.cfg
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 | 0,010 |
| 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 | 0,004 | 0,008 |
| Science ouverte | 0,002 | 0,006 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,093 | 0,040 |
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 ».