Bibliographic record
Abstract
J'écris donc d'ici, de chez les invendues, les tordues, celles qui ont le crâne rasé, celles qui ne savent pas s'habiller, celles qui ont peur de puer, celles qui ont les chicots pourris, celles qui ne savent pas s'y prendre, celles à qui les hommes ne font pas de cadeau, celles qui baiseraient avec n'importe qui voulant bien d'elles, les grosses putes, les petites salopes, les femmes à chatte toujours sèche, celles qui ont des gros bides, celles qui voudraient être des hommes, celles qui se prennent pour des hommes, celles qui rêvent de faire hardeuses, celles qui n'en ont rien à foutre des mecs mais que leurs copines intéressent, celles qui ont un gros cul, celles qui ont les poils drus et bien noirs et qui ne vont pas se faire épiler, les femmes brutales, bruyantes, celles qui cassent tout sur leur passage, celles qui n'aiment pas les parfumeries, celles qui se mettent du rouge trop rouge, celles qui sont trop mal foutues pour pouvoir se saper comme des chaudasses mais qui en crèvent d'envie, celles qui veulent porter des fringues d'hommes et la barbe dans la rue, celles qui veulent tout montrer, celles qui sont pudiques par complexe, celles qui ne savent pas dire non, celles qu'on enferme pour les mater, celles qui font peur, celles qui font pitié, celles qui ne font pas envie, celles qui ont la peau flasque, des rides plein la face, celles qui rêvent de se faire lifter, liposucer, péter le nez pour le refaire mais qui n'ont pas l'argent pour le faire, celles qui ne ressemblent plus à rien, celles qui ne comptent que sur elles-mêmes pour se protéger, celles qui ne savent pas être rassurantes, celles qui s'en foutent de leurs enfants, celles qui aiment boire jusqu'à se vautrer par terre dans les bars, celles qui ne savent pas se tenir […].
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.003 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; both teacher heads agree on what is shown here.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".