LLM4SR: Uma Pesquisa sobre Modelos de Linguagem de Grande Escala para Pesquisa Científica

LLM4SR: A Survey on Large Language Models for Scientific Research

January 8, 2025

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

cs.AI

Resumo

Nos últimos anos, o rápido avanço dos Modelos de Linguagem de Grande Escala (LLMs) transformou o cenário da pesquisa científica, oferecendo suporte sem precedentes em várias etapas do ciclo de pesquisa. Este artigo apresenta a primeira pesquisa sistemática dedicada a explorar como os LLMs estão revolucionando o processo de pesquisa científica. Analisamos os papéis únicos que os LLMs desempenham em quatro estágios críticos da pesquisa: descoberta de hipóteses, planejamento e implementação de experimentos, escrita científica e revisão por pares. Nossa revisão mostra de forma abrangente as metodologias específicas de tarefas e os benchmarks de avaliação. Ao identificar desafios atuais e propor direções para pesquisas futuras, esta pesquisa não apenas destaca o potencial transformador dos LLMs, mas também tem como objetivo inspirar e orientar pesquisadores e profissionais na alavancagem dos LLMs para avançar na investigação científica. Os recursos estão disponíveis no seguinte repositório: 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