Bibliographic record
Abstract
Nous considérons le problème du test des paramètres des modèles d’Ising ferromagnétique. Tout en testant la présence d’aimantations externes éventuellement éparses, nous fournissons une limite inférieure générale des taux de séparation minimax qui donne des résultats précis dans des régimes à haute température. Nos limites supérieures correspondantes sont adaptatives à la fois sur le graphique de dépendance sous-jacent et sur le paramètre de température. De plus, nos résultats incluent le modèle du plus proche voisin sur les réseaux, les graphes aléatoires creux d’Erdős–Rényi et les arbres enracinés réguliers – jusqu’à la température critique dans le régime à haute température. Nous fournissons également résultats parallèles pour l’ensemble du régime de basse température dans le modèle du plus proche voisin sur les réseaux – cependant dans la phase pure de la frontière plus. Nos résultats pour le modèle du plus proche voisin dépendent de manière cruciale des analogues de volume fini de la propriété de décroissance de la corrélation pour les régimes de température élevée et basse – dont la dérivation emprunte plusieurs idées à la théorie de la percolation FK et pourrait présenter un intérêt indépendant. Enfin, nous obtenons également des limites inférieures pour les taux d’estimation et de test dans les modèles d’Ising à deux paramètres – qui s’avèrent être optimaux selon plusieurs résultats récents dans cette zone.
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 machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.030 | 0.298 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.003 | 0.003 |
| Bibliometrics | 0.003 | 0.003 |
| Science and technology studies | 0.002 | 0.007 |
| Scholarly communication | 0.004 | 0.012 |
| Open science | 0.004 | 0.003 |
| Research integrity | 0.004 | 0.006 |
| Insufficient payload (model declined to judge) | 0.005 | 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 itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
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".