Practice of the FAS Russia Board of Appeal (Analytical Review of the Most Signifi cant Cases Considered in the 1st Quarter of 2022)
Bibliographic record
Abstract
Обзорная статья / Обзоры № 2 (30) 2022 В первом квартале 2022 г. коллегиальным органом ФАС России были рассмотрены жалобы на решения территориальных органов ФАС России различных квалификаций по различному уровню сложности правоотношениям с точки зрения их оценки на предмет наличия нарушений антимонопольного законодательства.В настоящем обзоре рассмотрены три наиболее интересных дела, выводы Апелляционной коллегии по которым важны для формирования единообразной практики применения антимонопольного законодательства по делам о злоупотреблении доминирующим положением, об антиконкурентных соглашениях, о недобросовестной конкуренции.Первое из приведенных в настоящем обзоре решений Апелляционной коллегии ФАС России касается вопросов установления наличия или отсутствия в действиях хозяйствующих субъектов антиконкурентного соглашения (картеля) путем поддержания цен на торгах.В данном решении Апелляционная коллегия ФАС России обратила внимание на основные сложившиеся в практике подходы при рассмотрении такой категории дел, в частности, данное дело примечательно с точки зрения использования в качестве доказательств материалов следственных органов.Кроме того, Апелляционной коллегией Practice of the FAS Russia Board of Appeal (Analytical Review of the Most Signifi cant Cases Considered in the 1st Quarter of 2022) Maryana I.
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 | 0.010 | 0.021 |
| Meta-epidemiology (narrow) | 0.000 | 0.001 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.003 | 0.002 |
| Science and technology studies | 0.008 | 0.003 |
| Scholarly communication | 0.007 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.009 | 0.003 |
| Insufficient payload (model declined to judge) | 0.012 | 0.003 |
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".