这是一篇论文综述，本综述文章概述了人工智能在科学研究（AI4Research）中的应用，强调了大型语言模型（LLMs）在促进科学发现各个阶段的潜力。它建立了一个系统的分类体系，将AI4Research分解为科学理解、学术调查、科学发现、学术写作和学术同行评审五个主要任务。文章详细介绍了AI在这些领域中的具体应用，例如辅助思想挖掘、实验设计、数据分析、论文撰写和同行评审。此外，该综述还识别了未来的研究方向，包括跨学科AI模型、伦理考量以及多模态和多语言集成，旨在为研究界提供资源并激发AI驱动的科学创新。
Date: July 02, 2025 Paper:https://arxiv.org/pdf/2507.01903 Projects: https://ai-4-research.github.io Code Repository: https://github.com/LightChen233/Awesome-AI4Research
1. 引言与定义
AI4Research 是一个新兴且快速发展的领域，旨在利用人工智能（特别是大语言模型LLMs）来增强和自动化科学研究的各个阶段。这份调查旨在全面概述AI在科学研究生命周期中的应用，从科学理解到最终的同行评审。
- 现存问题：缺乏对 AI4Research（人工智能研究）的全面调研，这制约了对该领域的理解及进一步发展。
- 研究聚焦：众多研究探索 AI 在科学研究创新过程中的应用，目标是开发能自主完成多学科研究过程的系统。
- 系统分类法：对 AI4Research 六大主流任务进行分类。
- 新前沿探索：明确关键研究差距，强调自动化实验的严格性、可扩展性及社会影响等未来方向。
- 丰富资源汇编：整理开源资源，包含相关论文、数据语料库和排行榜，助力研究社区快速获取资源，推动 AI4Research 领域创新突破。
AI4Research 的定义被细分为以下核心组成部分：
AI for Scientific Comprehension (科学理解)： 利用AI工具帮助研究人员理解复杂的科学文本、图表和表格, 包括半自动化和全自动化地从文献中提取关键信息、概念和数据。
AI for Academic Survey (学术调查)： 应用AI进行文献检索和综述报告生成，以帮助研究人员快速了解研究现状和绘制研究路线图。
AI for Scientific Discovery (科学发现)： AI在科学研究过程中的核心应用，包括想法挖掘、新颖性和重要性评估、理论分析以及科学实验的执行与分析。
AI for Academic Writing (学术写作)： AI辅助甚至自动化学术论文的撰写，涵盖手稿准备、内容生成和后期修正。
AI for Academic Peer Reviewing (学术同行评审)： AI在同行评审过程中的应用，包括预审、审稿和审后分析。
（AI4Research）可划分为五个关键领域。每个领域又细分为具体任务，这凸显了人工智能在整个研究过程中所扮演的多样化角色:
2. 科学理解 (AI for Scientific Comprehension)
AI在科学理解方面的应用，旨在帮助研究人员有效地处理和吸收大量信息。
- 文本科学理解 (§3.1): 包括半自动和全自动的文本理解。半自动系统如 LaMAI [588] 和 PaperQA2 [696] 辅助用户理解文本，而全自动系统则能自主进行理解。
- 表格与图表科学理解 (§3.2): AI能够理解并从表格和图表中提取信息，例如 Table-LLaVA [926] 和 ChartQA [535]。这对于从非结构化或半结构化数据中获取洞察至关重要。
- 相关基准与数据集: 评估科学问答系统的基准包括 ScienceQA [659]、LitQA [405]、SciBench [798] 等，这些数据集有助于提升AI在科学推理和内容理解方面的能力。
3. 学术调查 (AI for Academic Survey)
AI在学术调查中的应用，旨在简化和加速文献综述和相关工作检索的过程。
- 相关工作检索 (§4.1): AI能够通过图谱检索（如 Personalized graph-based retrieval [31]）和语义检索（如 LitLLM [7]）来查找相关文献。
- 综述报告生成 (§4.2): 研究路线图绘制 (§4.2.1): AI可以识别研究趋势和热点，例如 AutoSurvey [802] 和 SurveyForge [849]。
- 章节级相关工作生成 (§4.2.2): AI可以为论文的特定章节生成相关工作部分。
- 文档级综述生成 (§4.2.3): AI甚至可以生成完整的综述文档。
- AI生成综述的质量评估: 论文中提到 SurveyForge [849] 在“模型质量”、“大纲质量”和“内容质量”方面表现优于 AutoSurvey [802]，特别是在使用 DeepSeek-v3 [477] 时，“模型质量”达到了0.2554，“大纲质量”达到了0.4553。这表明AI在生成高质量综述方面取得了显著进展。
4. 科学发现 (AI for Scientific Discovery)
科学发现是AI4Research的核心和最具挑战性的环节，它涵盖了从想法产生到实验执行的全过程。作者提出了科学发现的AI函数表示：ASD(I) = fSD(I|KSD, RSD, ΦSD) = fED ◦ fTA ◦ fNSA ◦ fIM(I|KSD, RSD, ΦSD) (8)。
想法挖掘 (Idea Mining) (§5.1):从内部知识挖掘 (§5.1.1): LLM可以利用其预训练参数和定制提示来发现新概念，无需外部数据。Meincke et al. [541] 通过调整解码温度和基于约束的提示，引导LLMs探索不同的“想法空间”。
从外部信号挖掘 (§5.1.2): 结合外部知识（如知识图谱）来生成新想法。
从团队讨论中挖掘 (§5.1.3): AI可以分析团队讨论，提取和扩展有价值的想法。
LLM在想法生成中的表现: 表格数据显示，DeepSeek-R1 [263] 在“清晰度”和“原创性”评分上表现突出（分别为8.10和7.84），而 Claude-3.7-Sonnet [24] 在“流畅性”上得分最高（7.80）。这表明不同的LLMs在生成想法的不同维度上具有优势。
新颖性与重要性评估 (§5.2): AI系统（如 SchNovel [467] 和 NoveltyDetection [497]）可以评估研究的创新性，旨在“促进科学工作流程中研究原创性的自动化评估”。
理论分析 (§5.3): 涉及科学主张的形式化 (Scientific Claim Formalization)、科学证据收集 (Scientific Evidence Collection) 和科学验证分析 (Scientific Verification Analysis)。例如，MultiVerS [768] 旨在改进科学主张的验证。TheoremExplainBench [390] 用于评估LLMs在定理理解方面的能力。
- 科学实验执行 (§5.4):实验设计 (§5.4.1): AI可以设计实验，如 CRISPR-GPT [314] 用于基因编辑实验设计。
- 实验前估算 (§5.4.2): 预测实验结果或优化参数。
- 实验管理 (§5.4.3): 监督实验流程。
- 实验执行 (§5.4.4): 自动化实验操作，如 LUMI-Lab [151] 和 ChemCrow [518]。
- 实验分析 (§5.4.5): AI分析实验数据并得出结论。
- LLM在实验执行中的性能: 在“实验执行”部分的表格中，“带有知识”的模型通常在“成功率”（SR）、“完整性”（CBS）和“验证准确性”（VER）方面表现更优，而成本（Cost）也能保持较低。例如，o1-preview [334] 在“带有知识”时，成功率高达35.3，验证准确性达到91.5。这突出了外部知识增强LLM在实际实验中的重要性。
5. 学术写作 (AI for Academic Writing)
AI在学术写作中的应用，旨在提高写作效率和质量。作者提出了学术写作的AI函数表示：M̂ = AAW(M) = fAW(M|KAS, InfoI , ΦAW) = fDWP ◦ fDMW ◦ fAWC(M|KAS, InfoI , ΦAW) (10)。
- 半自动学术写作 (§6.1):手稿准备辅助 (§6.1.1): 如 Modest [72] 用于多领域科学标题生成，Scholawrite [786] 提供了端到端学术写作过程数据集。
- 手稿写作辅助 (§6.1.2): 包括内容生成、引用生成（如 ILCiter [653]）、图表和图像生成（如 Figgen [643]）。
- 手稿完成辅助 (§6.1.3): 语法修正、表达优化和逻辑修改。
- 全自动学术写作 (§6.2): 展望了AI完全自动化生成学术论文的潜力。论文指出，使用LLM进行写作可能会“降低内容多样性” (Does writing with language models reduce content diversity? [583])，这是一个重要的伦理和质量考量。
6. 学术同行评审 (AI for Academic Peer Reviewing)
AI在同行评审中的应用，旨在提高评审效率和质量，解决审稿人不足的问题。
- 预审 (Pre-Review) (§7.1):初审 (Desk-Review) (§7.1.1): AI可以进行初步筛选。
- 审稿人匹配 (Reviewer Matching) (§7.1.2): AI可以根据论文内容和审稿人专长进行匹配。
- 审稿中 (In-Review) (§7.2): 涉及生成或支持评审报告。
- 同行评审 (Peer-Review) (§7.2.1): AI可以自动生成评审意见。论文中比较了不同LLM在生成同行评审意见方面的表现，GPT-4o-mini [641] 和 GPT-4o [641] 在“焦点相似度”和“文本相似度”指标（如ROUGE-L、BERTScore）上表现较好，而 Llama-3.1-405B [250] 在“文本相似度”指标（ROUGE-L为0.218，BERTScore为0.884）上表现出色。GPT-4o-Finetuned [641] 在“焦点相似度”的KL散度指标上表现最佳（0.022），表明微调可以显著提升AI生成评审意见的质量和与人类评审的匹配度。
- 元评审 (Meta-Review) (§7.2.2): AI可以汇总多个评审意见。
- 审后 (Post-Review) (§7.3):影响力分析 (§7.3.1): 分析论文发表后的影响力。
- 推广增强 (§7.3.2): 帮助推广已发表的研究。
7. AI for Research 的应用领域
AI4Research 的应用涵盖了广泛的科学领域：
- 自然科学研究 (§8.1):物理研究 (§8.1.1): 例如 Lagrangian Neural Networks [149]。
- 生物与医学研究 (§8.1.2): 如 BioMedLM [71] 用于生物医学文本，CRISPR-GPT [314] 用于基因编辑。CellAgent [840] 用于单细胞数据分析。
- 化学与材料研究 (§8.1.3): 如 ChemCrow [518] 增强LLM的化学工具应用，MolGAN [163] 用于小分子图生成。BatGPT-Chem [857] 作为一个化学工程基础模型。
- 应用科学与工程研究 (§8.2):机器人与控制研究 (§8.2.1): AI用于机器人控制任务 (Value Iteration for Learning Concurrently Executable Robotic Control Tasks [738])。
- 软件工程 (§8.2.2): AI用于代码生成、调试和评估。
- 社会科学研究 (§8.3):社会学研究 (§8.3.1): LLMs可以进行社会媒体语料库的归纳主题分析 (Large language models can enable inductive thematic analysis of a social media corpus in a single prompt: Human validation study [165])。
- 心理学研究 (§8.3.2): AI用于心理评估 (Psyche [414])。
8. 前沿与未来方向
论文也展望了AI4Research 的未来发展方向：
- 跨学科AI模型 (§10.1): 强调开发能够处理不同科学领域知识的通用AI模型。
- AI4Research 的伦理与安全 (§10.2): 讨论了AI在科学研究中可能带来的伦理问题，例如 Considering the ethics of large machine learning models in the chemical sciences [707]。
- AI用于协同研究 (§10.3): 促进AI在多方协作研究中的应用。
- AI4Research 的可解释性与透明度 (§10.4): 确保AI决策过程的透明和可解释性。
- AI用于动态实时优化科学实验 (§10.5): 实时调整和优化实验参数。
- 多模态集成在AI4Research中 (§10.6): 结合文本、图像、图表等多种模态数据，如 Multimodal ArXiv [431] 和 CharXiv [812]。
- 多语言集成在AI4Research中 (§10.7): 促进跨语言的科学研究。
9. 总结
这份调查详细描绘了AI在科学研究生命周期中的广泛应用，从信息摄取、知识发现、成果产出到质量评估。大语言模型（LLMs）在其中扮演了关键角色，不仅能够辅助人类研究人员，还在一些任务中展现出自动化甚至超越人类的能力。然而，报告也指出了AI4Research的挑战和未来方向，如伦理、可解释性、多模态集成和跨学科应用，这些都是未来需要深入探索的领域。总的来说，AI正在深刻地改变科学研究的范式，并有望加速未来的科学发现。