7Redi (Swiss Knife YouTube Reviewer) - The Knife Junkie Podcast Episode 288
Notice bibliographique
Résumé
Swiss Knife YouTube Reviewer 7Redi joins Bob "The Knife Junkie" DeMarco on episode 288 of The Knife Junkie Podcast. Find show notes and links for this episode at https://theknifejunkie.com/288. 7Redi is a YouTuber from Switzerland who collects and reviews folding knives, EDC gear, pens, wallets, tools, prybars and fixed blades. And by the way, he has an amazing collection of folding knives as well as fixed blades too. 7Redi wants to be a helpful resource for knife enthusiast in Switzerland and Europe with advice and reviews. He also wants to give U.S. and Canadian viewers on his YouTube channel some insight into Swiss gun and knife ownership. You can find 7Redi on YouTube at https://www.youtube.com/channel/UCsMH7ph-uPDPOQiq_Ocm5cw and on Instagram at https://www.instagram.com/7redi_knife_reviews/. Be sure to support The Knife Junkie and get in on the perks of being a Patron -- including early access to the podcast and exclusive bonus content. Visit https://www.theknifejunkie.com/patreon for details. Let us know what you thought about this episode. Please leave a rating and/or a review in whatever podcast player app you're listening on. Your feedback is much appreciated. Also, call the listener line at 724-466-4487 or email bob@theknifejunkie.com with any comments, feedback or suggestions on the show, and let us know who you'd like to hear interviewed on an upcoming edition of The Knife Junkie Podcast. To listen to past episodes of the podcast, visit https://theknifejunkie.com/listen.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,623 | 0,008 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».