10660 件の論文
炭素と塩素の化学結合、すなわち C-Cl 結合は、有機合成や環境化学において極めて重要な役割を果たしています。この分野の研究は、医薬品の設計から大気中のオゾン層破壊まで、私たちの生活に密接に関わる多様なテーマを扱っています。
Gist.Science は、arXiv に投稿される最新のプレプリントを毎日精選し、専門用語を噛み砕いた平易な解説と、詳細な技術的サマリーの両方を提供しています。研究者の知見を迅速に整理し、誰でもアクセス可能な形でお届けすることが当サイトの使命です。
以下に、この分野における最新の研究論文をリストアップしました。
本論文は、大規模言語モデルが、言語ベースの説得ゲームにおける経済的選択予測のための学習データを生成する上で、人間の被験者の代わりとして効果的に機能し得ることを実証しており、しばしば実際の人間データで学習されたモデルを凌駕するとともに、正確な予測のためには履歴に依存する意思決定パターンを捉えることが極めて重要であることを明らかにしている。
本論文は、予測される実行時間が類似したLLMのリクエストを既定のビンにグループ化することで、静的バッチング下での推論スループットを理論的に最大化し、生成長の変動に起因するリソースの低利用率を大幅に削減する制御ポリシーであるMulti-Bin Batchingを提案する。
本論文は、心理学的手法および比較実験を用いて、大規模言語モデルが、多様な人間の意思決定パターンや時間的圧力に対する文脈依存的な反応を複製できる能力によって裏付けられるように、ルールの適用における概念的な習熟性を示すものである。
大規模言語モデルが持つ政治的バイアスは軽微なものであるという見解に対し、本研究は、特定のトピックにおける党派的なスタンスが相殺し合っているために全体的な位置付けは中立的に見えるものの、それらは、特にその応答が明示的に誘導された場合には、プロの選挙キャンペーン広告に匹敵するほどユーザーの政治的態度に対して説得力のある影響を及ぼし得ることを実証している。
LlamaRec-LKG-RAGは、パーソナライズされた知識グラフのサブグラフをシングルパスの推論プロセスへと統合することで、LLMベースのレコメンデーション・ランキングを強化し、それによって標準的なデータセットにおいて既存の類似性ベースのRAG手法を凌駕する、新規かつエンドツーエンドで学習可能なフレームワークである。
本論文は、心理学における大規模言語モデル研究のための二重妥当性フレームワークを提案するものであり、エビデンスの要件を単純な信頼性から厳密な構成概念妥当性および因果推論へとスケールアップさせることで、人間の測定手法がその解釈可能性と科学的正当性を確立することなく無批判にAIに適用されることを防ぎ、「測定の幻影」を回避することを目的としている。
本論文は、大規模言語モデル研究における深刻な測定の不信頼性に対処するため、心理計量学と因果推論を統合した6段階の妥当性誘導型ワークフローを提案し、AI心理学における知見が堅牢かつ透明であり、統計的アーティファクトとは明確に区別されることを保証するものである。
本論文は、LLMがドメインへの関与、文化の解決、そして回答選択という一貫した3段階の軌跡を通じて文化的推論を行っていることを明らかにし、同時にモデルが過小評価されている文化に対して苦戦するという不均衡を露呈させるメカニスティックな解釈可能性の手法であるCulTraceを紹介するものである。
本論文は、推論パターンの乖離が高いトランスフォーマー層のみを選択的に較正することで、多様な推論タスクにおける高い性能を維持しつつ推論コストを削減する、Long-CoTモデルとShort-CoTモデルを適応的に結合する学習不要のフレームワークであるQA-Mergingを提案している。
本論文は、微調整された大規模言語モデルを用いて、チュータリングの対話から妥当な学習者の誤概念を生成、検索、および再ランク付けする新しい3段階のフレームワークを提案しており、このアプローチが学習エラーを正確に特定する上で、ベースラインモデルやより大規模なクローズドソースのシステムを凌駕することを実証している。