💬 Category

cs.CL

10697 articles

La relation entre le césium et le chlore, souvent étudiée sous forme de chlorure de césium, ouvre une fenêtre fascinante sur la physique des matériaux et la chimie des cristaux. Ce domaine explore comment ces éléments interagissent pour former des structures uniques, essentielles à la recherche sur les semi-conducteurs, les détecteurs de rayonnement et même les horloges atomiques de précision.

Sur Gist.Science, nous parcourons quotidiennement arXiv pour repérer chaque nouveau prépublications dans cette catégorie. Notre équipe transforme ces documents techniques complexes en résumés clairs et accessibles, tout en conservant les détails scientifiques rigoureux pour les experts, afin que chacun puisse comprendre les avancées récentes sans barrière linguistique.

Vous trouverez ci-dessous les dernières publications traitant de ce sujet, sélectionnées et résumées pour vous.

💬 NLP

Can LLMs Replace Economic Choice Prediction Labs? The Case of Language-based Persuasion Games

Cet article démontre que les grands modèles de langage peuvent efficacement se substituer aux sujets humains pour générer des données d'entraînement destinées à la prédiction de choix économiques dans le cadre de jeux de persuasion basés sur le langage, surpassant souvent les modèles entraînés sur des données humaines réelles tout en révélant que la capture des schémas de décision dépendants de l'historique est cruciale pour une prédiction précise.

Eilam Shapira, Omer Madmon, Roi Reichart, Moshe Tennenholtz2026-08-18
🤖 machine learning

Multi-Bin Batching for Increasing LLM Inference Throughput

Ce document propose le Multi-Bin Batching, une politique de contrôle qui regroupe les requêtes de LLM ayant des temps d'exécution prédits similaires dans des bacs prédéterminés afin de maximiser de manière prouvable le débit d'inférence sous un partitionnement statique, réduisant ainsi considérablement la sous-utilisation des ressources causée par la variation des longueurs de génération.

Ozgur Guldogan, Jackson Kunde, Kangwook Lee, Ramtin Pedarsani2026-08-18
🤖 AI

Evidence of conceptual mastery in the application of rules by Large Language Models

Cet article emploie des méthodes psychologiques et des expériences comparatives pour démontrer que les grands modèles de langage font preuve d'une maîtrise conceptuelle dans l'application de règles, comme en témoigne leur capacité à reproduire divers schémas de prise de décision humaine et des réponses dépendantes du contexte face à la pression temporelle.

José Luiz Nunes, Guilherme FCF Almeida, Brian Flanagan2026-08-18
💻 computer science

The Political Ideology of Large Language Models: Measurement, Inconsistency, and Persuasive Influence

Contestant l'idée que les grands modèles de langage ne possèdent que des biais politiques mineurs, cette étude démontre que, bien que leur positionnement global semble modéré en raison de positions partisanes compensatoires sur des sujets spécifiques, ils peuvent néanmoins exercer une influence persuasive sur les attitudes politiques des utilisateurs comparable à celle de la publicité de campagne professionnelle, particulièrement lorsque leurs réponses sont explicitement orientées.

Nouar Aldahoul, Hazem Ibrahim, Aaron R. Kaufman, Talal Rahwan, Yasir Zaki2026-08-18
🤖 AI

LlamaRec-LKG-RAG: A Single-Pass, Learnable Knowledge Graph-RAG Framework for LLM-Based Ranking

LlamaRec-LKG-RAG est un nouveau cadre d'apprentissage de bout en bout qui améliore le classement de recommandation basé sur les LLM en intégrant des sous-graphes de connaissances personnalisés dans un processus d'inférence à passage unique, exploitant ainsi les structures relationnelles pour surpasser les approches RAG existantes basées sur la similitude sur les jeux de données standards.

Vahid Azizi, Fatemeh Koochaki2026-08-18
🤖 AI

From Prompts to Constructs: A Dual-Validity Framework for Large Language Model Research in Psychology

Cet article propose un cadre de double validité pour la recherche sur les grands modèles de langage en psychologie qui fait évoluer les exigences probatoires de la simple fiabilité vers une validité de construit rigoureuse et l'inférence causale, empêchant ainsi les « fantômes de mesure » en veillant à ce que les instruments humains ne soient pas appliqués de manière acritique à l'IA sans établir leur interprétabilité et leur fondement scientifique.

Zhicheng Lin2026-08-18
🤖 AI

CulTrace: Tracing Internal Cultural Reasoning in Large Language Models

L'article présente CulTrace, une méthode d'interprétabilité mécaniste qui révèle que les LLM traitent le raisonnement culturel à travers une trajectoire cohérente en trois étapes d'engagement du domaine, de résolution culturelle et de sélection de la réponse, tout en exposant également des déséquilibres où les modèles éprouvent des difficultés avec les cultures moins représentées.

Haeun Yu, Arnav Arora Seogyeong Jeong, Nadav Borenstein, Siddhesh Pawar, Jisu Shin, Jiho Jin, Junho Myung, Alice Oh, Isa (…)2026-08-18
🤖 AI

QA-Merging: Query-Adaptive Reasoning via Layer Selective Model Merging

Le document présente QA-Merging, un cadre sans entraînement qui combine de manière adaptative des modèles Long-CoT et Short-CoT en calibrant sélectivement uniquement les couches transformer présentant une forte divergence de motifs de raisonnement, réduisant ainsi les coûts d'inférence tout en maintenant des performances solides à travers diverses tâches de raisonnement.

Zhaofeng Zhong, Wei Yuan, Tong Chen, Liang Qu, Xiangyu Zhao, Quoc Viet Hung Nguyen, Hongzhi Yin2026-08-18
🤖 machine learning

Misconception Diagnosis From Student-Tutor Dialogue: Generate, Retrieve, Rerank

Cet article propose un nouveau cadre en trois étapes utilisant des modèles de langage de grande taille affinés pour générer, extraire et reclasser des conceptions erronées plausibles d'étudiants à partir de dialogues de tutorat, démontrant que cette approche surpasse les modèles de référence et les systèmes fermés plus volumineux dans l'identification précise des erreurs d'apprentissage.

Joshua Mitton, Prarthana Bhattacharyya, Digory Smith, Thomas Christie, Ralph Abboud, Simon Woodhead2026-08-18