Bibliographic record
Abstract
Un arbitre doit décider d’un litige entre deux parties dans le cadre d’une procédure purement accusatoire. Sa décision peut reposer uniquement sur ses a priori, en l’absence d’information supplémentaire ; ou bien elle peut reposer sur les éléments de preuve additionnels soumis volontairement par les parties au litige. Lorsqu’elle décide de témoigner, et moyennant un coût, chaque partie peut déformer la réalité en sa faveur. À l’équilibre, les parties ne témoignent jamais simultanément. Une partie ne témoigne que si les faits sont suffisamment en sa faveur, mais son témoignage présente alors une version exagérée de cet avantage. Inversement, si les faits sont proches de l’évaluation a priori du décideur, aucune des parties ne témoigne. Nous comparons cet équilibre à celui qui serait obtenu avec une procédure purement inquisitoire où c’est l’arbitre qui décide du nombre de témoignages.
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 | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.001 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 0.009 |
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".