两篇新的arXiv论文探讨了大型语言模型(LLMs)对科学研究的影响,发现虽然LLMs可能会夸大研究问题的创新性,但它们也被用于帮助识别真正的新领域。一项研究表明,LLMs常常让研究听起来比实际研究得更充分,但如果提示得当,它们也能准确识别未被充分研究的问题。第二篇论文分析了数百万篇科学论文,得出结论认为LLMs尚未显著改变科学实践,大多数2023年之前的趋势仍在继续,尽管计算机科学领域的合著者网络出现了一些显著变化。 AI
影响 LLMs可能需要改进才能准确表述研究新颖性,而它们对科学实践的更广泛影响仍在显现。
排序理由 两篇发表在arXiv上的学术论文,分析了LLMs对科学研究的影响。
- alphaXiv
- arXiv
- CatalyzeX Code Finder for Papers
- computer science
- Connected Papers
- DagsHub
- Gotit.pub
- Hugging Face
- large language models
- Litmaps
- science
- ScienceCast
- scite Smart Citations
- CORE Recommender
- Think-Probe-Respond
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →