大型语言模型在学科特定研究中的应用：挑战、方法与机遇综述
计算与语言
2025-07-14 v1
摘要
大型语言模型（LLMs）在诸多学科研究中展现出变革性潜力，重塑现有研究方法，促进跨学科协作。然而，对其在不同学科中的集成进行系统性理解仍不为人所熟知。本综述提供了LLMs在跨学科研究中的应用的全面概述，从技术角度和适用性两个维度对研究工作进行分类。从技术角度，关键方法包括监督式微调、检索增强生成、基于智能体的方法以及工具集成等，这些方法提高了LLMs在学科特定情境下的适应性和效果。从适用性角度，本文探讨了LLMs如何为数学、物理、化学、生物学以及人文社会科学等各学科的贡献，展示了其在学科特定任务中的作用。关键挑战得到了深入剖析，并在近期LLMs进展的同时指出了有前景的研究方向。通过提供该领域技术发展和应用的全面概览，本综述旨在为正在导航LLMs在跨学科研究复杂格局的研究者提供一份宝贵资源。
引用
@article{arxiv.2507.08425,
title = {A Survey of Large Language Models in Discipline-specific Research: Challenges, Methods and Opportunities},
author = {Lu Xiang and Yang Zhao and Yaping Zhang and Chengqing Zong},
journal= {arXiv preprint arXiv:2507.08425},
year = {2025}
}