Ep172 - Simu Liu | Marvel & Beyond
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Simu Liu discusses his career, Asian empowerment and community. Actor, author and advocate Simu Liu will make his debut as the title character in Shang-Chi and the Legend of the Ten Rings. Directed by Destin Daniel Cretton and starring alongside Awkwafina, Tony Leung, and Michelle Yeoh, Liu makes history as the star of the first Asian-fronted movie in the Marvel Cinematic Universe. He also starred in the CBC/Netflix comedy series Kim's Convenience for five seasons, which was the first Canadian television series with an all-Asian lead cast and tells the day-to-day micro-dramas encountered by a Korean immigrant family that runs a corner grocery store. The series won the ACTRA Award for Outstanding Ensemble in 2017 and Best Comedy Series at the 2018 Canadian Screen Awards. Liu's first major role was on the critically acclaimed OMNI crime drama Blood and Water, the first trilingual series (English, Mandarin, and Cantonese) produced by Canadian television, for which he received nominations at the ACTRA Awards and Canadian Screen Awards. Aside from his performance on screen, Liu participated in the writing room for the series by contributing in the show's second season as a story editor and as the main writer for one episode. He most recently completed production on the adventure feature Arthur the King. Liu also stars in Lissette Feliciano's Women Is Losers, which will premiere at the 2021 SXSW Film Festival. His other film and television credits include ABC's Fresh Off the Boat, Comedy Central's Awkwafina Is Nora from Queens, NBC's Taken, and Amazon's The Expanse. Moderated by Yul Kwon. Visit g.co/talksatgoogle/SimuLiu to watch the video of this event.
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.
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) | 0,000 | 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 | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,790 | 0,014 |
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 découle