LLM4SR: Un'indagine sui Grandi Modelli Linguistici per la Ricerca Scientifica

LLM4SR: A Survey on Large Language Models for Scientific Research

January 8, 2025

Autori: Ziming Luo, Zonglin Yang, Zexin Xu, Wei Yang, Xinya Du

cs.AI

Abstract

Negli ultimi anni, il rapido avanzamento dei Grandi Modelli Linguistici (LLM) ha trasformato il panorama della ricerca scientifica, offrendo un supporto senza precedenti attraverso varie fasi del ciclo di ricerca. Questo articolo presenta il primo sondaggio sistematico dedicato all'esplorazione di come i LLM stiano rivoluzionando il processo di ricerca scientifica. Analizziamo i ruoli unici che i LLM svolgono in quattro fasi critiche della ricerca: scoperta dell'ipotesi, pianificazione e implementazione dell'esperimento, scrittura scientifica e revisione tra pari. La nostra rassegna mostra in modo esaustivo le metodologie specifiche del compito e i benchmark di valutazione. Identificando le sfide attuali e proponendo future direzioni di ricerca, questo sondaggio non solo mette in luce il potenziale trasformativo dei LLM, ma mira anche a ispirare e guidare ricercatori e professionisti nell'utilizzo dei LLM per far progredire l'indagine scientifica. Le risorse sono disponibili nel seguente repository: https://github.com/du-nlp-lab/LLM4SR

English

In recent years, the rapid advancement of Large Language Models (LLMs) has transformed the landscape of scientific research, offering unprecedented support across various stages of the research cycle. This paper presents the first systematic survey dedicated to exploring how LLMs are revolutionizing the scientific research process. We analyze the unique roles LLMs play across four critical stages of research: hypothesis discovery, experiment planning and implementation, scientific writing, and peer reviewing. Our review comprehensively showcases the task-specific methodologies and evaluation benchmarks. By identifying current challenges and proposing future research directions, this survey not only highlights the transformative potential of LLMs, but also aims to inspire and guide researchers and practitioners in leveraging LLMs to advance scientific inquiry. Resources are available at the following repository: https://github.com/du-nlp-lab/LLM4SR