0 Interview 2030 Glorieuses Pilo Hotel Mixdown 02
Bibliographic record
Abstract
Aujourd'hui, voici le 1er épisode exceptionnel enregistré en live à Lyon avec des invitées qui ont été déjà mises en avant il y a quelques années dans des épisodes précédents. Cet épisode a été enregistré au Pilo Hôtel à Lyon avec Victor Grange de La Nef, Marie Nguyen de WeDressFair, Clémentine Mossé de The Greener Good et Joanne Boachon de Minéka, Rejoignez-nous pour (re)découvrir certain.e.s des invité.e.s les plus inspirant.e.s qui sont passé.e.s dans le podcast à l'occasion d'une des prochaines soirées 2030 Glorieuses organisée près de chez vous ! Le prochain RDV aura le 31 mai à Paris à la REcyclerie en soirée dans le 18ème arrondissement. Je compte sur vous pour me dire quel.le.s sont les invité.e.s que vous aimeriez rencontrer lors de ces événements et dans quelles villes vous souhaiteriez qu’on se retrouve « en vraie » avant la fin de l’année. “2030 Glorieuses”, c’est le podcast qui met en avant les acteurs du monde de demain, ceux qui incarnent les utopies réalistes dont nous avons tant besoin. Ils sont des milliers en France à agir concrètement pour montrer que l’action est le meilleur remède contre le fatalisme et que, si nous agissons avec ambition et amour, la décennie des 2030 glorieuses est à portée de mains.
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 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.000 |
| Insufficient payload (model declined to judge) | 0.779 | 0.207 |
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".