LLMs4All: 跨学科大型语言模型综述
计算与语言
2025-11-25 v5
摘要
尖端人工智能技术不断重塑我们对世界的看法。例如，基于大型语言模型（LLMs）的应用如ChatGPT已展现出在广泛主题上生成类人对话的能力。由于在多种语言相关任务（如开放域问答、翻译和文档摘要）上的令人印象深刻的性能，可以预见LLMs通过更广泛的现实应用（如客户服务、教育与无障碍以及科学发现）带来的深远影响。受到其成功的启发，本文将提供最先进的LLMs及其在广泛学术学科中整合的概述，包括：（1）艺术、文学与法律（如历史、哲学、政治科学、艺术与建筑、法律），（2）经济与商业（如金融、经济学、会计、市场营销），以及（3）科学与工程（如数学、物理与机械工程、化学与化学工程、生命科学与生物工程、地球科学与土木工程、计算机科学与电气工程）。融合人文与技术，本文将探讨LLMs如何塑造这些领域的研究与实践，同时讨论生成式AI时代的关键局限性、开放挑战与未来方向。对LLMs如何跨学科参与的综述——连同关键观察与见解——可以帮助有兴趣利用LLMs推动其在多样化现实应用工作中取得进展的研究人员和从业者。
引用
@article{arxiv.2509.19580,
title = {LLMs4All: A Review of Large Language Models Across Academic Disciplines},
author = {Yanfang Ye and Zheyuan Zhang and Tianyi Ma and Zehong Wang and Yiyang Li and Shifu Hou and Weixiang Sun and Kaiwen Shi and Yijun Ma and Wei Song and Ahmed Abbasi and Ying Cheng and Jane Cleland-Huang and Steven Corcelli and Robert Goulding and Ming Hu and Ting Hua and John Lalor and Fang Liu and Tengfei Luo and Edward Maginn and Nuno Moniz and Jason Rohr and Brett Savoie and Daniel Slate and Matthew Webber and Olaf Wiest and Johnny Zhang and Nitesh V. Chawla},
journal= {arXiv preprint arXiv:2509.19580},
year = {2025}
}