Planification des tournées dans le domaine de la messagerie rapide
Why this work is in the frame
A frame that forgets how it found something cannot be audited. These are the routes that admitted this work.
Bibliographic record
Abstract
Résumé.Cet article présente une étude visant à améliorer la planification des tournées d’une entreprise œuvrant dans le domaine de la messagerie rapide. Nous traitons le cas où la collecte et la livraison d’un colis doivent être faites par le même véhicule à l’intérieur d’une fenêtre de temps déterminée par le type de service choisi par le client. Un algorithme en deux phases, une première phase de construction suivie d’une phase d’amélioration basée sur des échanges de type 3-opt, a été conçu afin d’élaborer des tournées adaptées au contexte particulier de l’entreprise. Afin d’évaluer la performance des planificateurs, nous avons utilisé cet algorithme en mode «temps réel», c’est-à-dire en traitant les requêtes de façon à respecter leur arrivée dans le système, et en considérant seulement celles qui ont été traitées par un même planificateur. L’algorithme a été également utilisé dans d’autres contextes, par exemple, dans le cas centralisé où un seul planificateur gère la totalité de la flotte et des requêtes ou encore dans le contexte où les requêtes sont connues d’avance. Les résultats de l’algorithme ont impressionné l’entreprise, qui songe à incorporer le module de planification développé à l’intérieur de son système de répartition.
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.
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 | 0.011 | 0.002 |
| 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 | 0.000 |
| Scholarly communication | 0.001 | 0.003 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.000 | 0.000 |
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 it