論文の概要: AI Competitions and Benchmarks: Competition platforms

• arxiv url: http://arxiv.org/abs/2312.05185v1
• Date: Fri, 8 Dec 2023 17:16:50 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-11 14:24:10.863997
• Title: AI Competitions and Benchmarks: Competition platforms
• Title（参考訳）: AIコンペティションとベンチマーク:コンペティションプラットフォーム
• Authors: Andrey Ustyuzhanin, Harald Carlens
• Abstract要約: 人工知能の競争のエコシステムは多様で多面的な風景である。 この章では、この領域における最上位の業務について広範なレビューを行い、いくつかの代替手法を解明する。
• 参考スコア（独自算出の注目度）: 1.03341388090561
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: The ecosystem of artificial intelligence competitions is a diverse and multifaceted landscape, encompassing a variety of platforms that each host numerous competitions annually, alongside a plethora of specialized websites dedicated to singular contests. These platforms adeptly manage the overarching administrative responsibilities inherent in orchestrating competitions, thus affording organizers the liberty to allocate greater attention to other facets of their contests. Notably, these platforms exhibit considerable diversity in their operational functionalities, economic models, and community dynamics. This chapter conducts an extensive review of the foremost services in this realm and elucidates several alternative methodologies that facilitate the independent hosting of such challenges. Keywords: competition platform, challenge hosting services, comparison.
• Abstract（参考訳）: 人工知能コンペティションのエコシステムは多様で多面的な景観であり、毎年多くのコンペティションが開催されている様々なプラットフォームを包含している。 これらのプラットフォームは、競争の組織化に固有の管理上の責任を十分に管理し、組織が競争の他の面により多くの注意を払う自由を与える。 特に、これらのプラットフォームは、運用機能、経済モデル、コミュニティのダイナミクスにおいてかなりの多様性を示している。 この章では、この領域における最上位のサービスについて広範なレビューを行い、これらの課題の独立したホスティングを促進するいくつかの代替手法を解明する。 キーワード:競争プラットフォーム、チャレンジホスティングサービス、比較。

関連論文リスト

• CompeteSMoE -- Effective Training of Sparse Mixture of Experts via Competition [52.2034494666179]
  スパース・ミックス・オブ・エキスパート(SMoE)は、ネットワークの深さや幅を増大させる平均を超えた、モデルの複雑さをスケールアップする魅力的なソリューションを提供する。 本稿では,この表現崩壊の根本的な課題に対処する競合機構を提案する。 入力を最も高い神経応答を持つ専門家にのみルーティングすることにより、コンペティションが最適推定器と同じ収束率を持つことを示す。
  論文  参考訳（メタデータ） (2024-02-04T15:17:09Z)
• Academic competitions [61.592427413342975]
  この章では、機械学習とその関連分野の文脈における学術的課題について調査する。 ここ数年で最も影響力のあるコンペをレビューし、知識領域における課題を分析します。 科学的な課題,その目標,主要な成果,今後の数年間の期待を概観する。
  論文  参考訳（メタデータ） (2023-12-01T01:01:04Z)
• Benchmarking Robustness and Generalization in Multi-Agent Systems: A Case Study on Neural MMO [50.58083807719749]
  IJCAI 2022で開催されている第2回Neural MMOチャレンジの結果を報告する。 この競合はマルチエージェントシステムの堅牢性と一般化をターゲットにしている。 環境ラッパー、ベースライン、可視化ツール、そしてさらなる研究のための選択されたポリシーを含むベンチマークをオープンソースにします。
  論文  参考訳（メタデータ） (2023-08-30T07:16:11Z)
• Comparison of classifiers in challenge scheme [12.030094148004176]
  本稿では,MeOffendEs@IberLEF 2021コンペティションの結果を分析する。 チャレンジ主催者の意思決定を支援するために,再サンプリング技術(ブートストラップ)による推論を提案する。
  論文  参考訳（メタデータ） (2023-05-16T23:38:34Z)
• Predicting Participants' Performance in Programming Contests using Deep Learning Techniques [3.5453687085580308]
  本稿では,今後の競技における特定の競技者のパフォーマンスを予測し,その競技後の評価を,その競技者の実践と過去の競技者のパフォーマンスに基づいて予測する枠組みを提案する。
  論文  参考訳（メタデータ） (2023-02-11T04:53:04Z)
• Towards robust and domain agnostic reinforcement learning competitions [12.731614722371376]
  強化学習コンペティションは標準研究ベンチマークの基礎を形成している。 それにもかかわらず、ほとんどの課題は、同じ根本的な問題に悩まされている。 本稿では,これらの障壁を克服するアルゴリズムの開発を促進する,競争設計の新しい枠組みを提案する。
  論文  参考訳（メタデータ） (2021-06-07T16:15:46Z)
• The MineRL 2020 Competition on Sample Efficient Reinforcement Learning using Human Priors [62.9301667732188]
  我々は,MineRLコンペティションの第2イテレーションを提案する。 競争の主な目標は、人間のデモンストレーションを効率的に活用できるアルゴリズムの開発を促進することです。 コンペティションは、データセットと環境のペアバージョンが複数提供される2ラウンドで構成されている。 各ラウンドの終わりに、競合他社はコンテナ化された学習アルゴリズムをaicrowdプラットフォームに提出する。
  論文  参考訳（メタデータ） (2021-01-26T20:32:30Z)
• Competing Bandits: The Perils of Exploration Under Competition [99.68537519404727]
  オンラインプラットフォーム上での探索と競争の相互作用について検討する。 私たちは、スタークコンペティションが企業に対して、低福祉につながる「欲張り」バンディットアルゴリズムにコミットするよう促すことに気付きました。 競争を弱めるための2つのチャンネルについて検討する。
  論文  参考訳（メタデータ） (2020-07-20T14:19:08Z)
• Mechanisms of intermediary platforms [0.0]
  この記事では、Matchmakersとコーディネートネットワークが市場を支配する方法について説明する。 戦略的およびビジネス上の課題を考慮すると、可能な解決策と戦略を提案する。 分散技術に基づく公正でオープンなモノの経済(EoT)への協調的アプローチを提案する。
  論文  参考訳（メタデータ） (2020-05-05T12:55:57Z)
• Analysing Affective Behavior in the First ABAW 2020 Competition [49.90617840789334]
  ABAW(Affective Behavior Analysis in-the-Wild) 2020コンペティションは、3つの主要な行動タスクの自動分析を目的とした最初のコンペティションである。 アルゼンチンのブエノスアイレスで2020年5月に開催されたIEEE Face and Gesture Recognitionと共同で開催されるこのコンペティションについて説明する。 評価指標を概説し,ベースラインシステムとトップ3の実施するチームの方法論をチャレンジ毎に提示し,その結果を最終的に提示する。
  論文  参考訳（メタデータ） (2020-01-30T15:41:14Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。