近期研究探讨了人工智能，特别是大型语言模型（LLMs），在科学过程中的整合。一项研究分析了临床试验注册中AI术语的趋势，注意到聊天机器人和GPTs等术语的增加，并发现混合人机方法在筛选方面显示出潜力，但需要更清晰的报告标准。另一篇论文研究了人机协作在估计科学可重复性方面的应用，证明混合预测市场通常优于仅AI或仅人类的方法。此外，一项大规模实验表明，LLM生成的对arXiv预印本的反馈显著增加了手稿的修订以及作者随后使用AI工具的情况，尤其使来自非英语主导地区的研究者受益。 AI
影响 AI正被证明是科学研究的宝贵工具，提高了数据分析效率，增强了可重复性评估，并使全球研究人员能够更公平地获得反馈。
排序理由 该集群包含多篇学术论文，详细介绍了AI应用和人机协作在科学背景下的研究。
AI 生成摘要 · Google Gemini · 来自 4 个来源。 我们如何撰写摘要 →
arXiv:2605.29096v1 Announce Type: new Abstract: This paper examines records retrieved from the ClinicalTrials.gov registry to characterize temporal trends in AI terminology and the geographical distribution of AI trials. The work also reports on an exploratory hybrid human-AI app…
arXiv:2605.27394v1 Announce Type: cross Abstract: Determining whether published scientific findings can successfully be replicated is a long-standing challenge in the empirical sciences. Existing approaches for replicability assessment typically rely either on human judgment, i.e…
arXiv:2605.24180v1 Announce Type: cross Abstract: Collaboration is the defining mode of modern science, yet its core mechanism -- feedback -- remains hard to observe, difficult to scale, and unequally distributed. Here we test whether large language models (LLMs) can contribute t…
<table> <tr><td> <a href="https://www.reddit.com/r/Anthropic/comments/1tpdkzn/get_more_from_technology_ai_as_a_human/"> <img alt="Get More from Technology: AI as a Human Collaboration" src="https://external-preview.redd.it/sb5QnYQ2YkQTtfrbwKdIciUESSjVA7wjYEzV06BU5z8.jpeg?width=32…