大语言模型时代的科学变革：AI 辅助科学发现、实验、内容生成与评估综述
计算与语言
2026-03-09 v3 人工智能
计算机视觉与模式识别
机器学习
摘要
随着大型多模态语言模型的出现，科学正站在AI驱动技术变革的临界点。一个新兴的模型与工具生态系统旨在支持科研人员贯穿科学生命周期的各个环节，包括（1）检索相关文献、（2）生成研究想法并开展实验、（3）生成基于文本的内容、（4）创建如图表和示意图等多模态制品、（5）评估科学工作，如同行评议。本综述提供了关于AI辅助科学发现核心技术、评估实践及新兴趋势的精选概览。针对上述五个任务，我们讨论数据集、方法、结果、评估策略、局限性及伦理问题，包括通过滥用生成模型对研究完整性构成风险。我们期望这一综述既可为该领域新入者提供易于理解且结构化的导览，也可作为新的AI驱动 initiative 及其在未来"AI4Science"系统中的集成激发创新。
引用
@article{arxiv.2502.05151,
title = {Transforming Science with Large Language Models: A Survey on AI-assisted Scientific Discovery, Experimentation, Content Generation, and Evaluation},
author = {Steffen Eger and Yong Cao and Jennifer D'Souza and Andreas Geiger and Christian Greisinger and Stephanie Gross and Yufang Hou and Brigitte Krenn and Anne Lauscher and Yizhi Li and Chenghua Lin and Nafise Sadat Moosavi and Wei Zhao and Tristan Miller},
journal= {arXiv preprint arXiv:2502.05151},
year = {2026}
}
备注
46 pages, 7 figures, 7 tables