From Automation to Autonomy: A Survey on Large Language Models in Scientific Discovery

要約

大規模な言語モデル（LLM）は、科学的発見のパラダイムシフトを触媒し、タスク固有の自動化ツールからますます自律的なエージェントに進化し、研究プロセスと人間とのコラボレーションを根本的に再定義します。
この調査は、この急成長する分野を体系的にチャート化し、科学におけるLLMの変化する役割とエスカレート能力に中心的に焦点を当てています。
科学的方法のレンズを通じて、私たちは、研究ライフサイクル内で彼らのエスカレートする自律性と進化する責任を描写するために、基本的な3レベルの分類学、アナリスト、科学者を紹介します。
さらに、ロボットオートメーション、自己改善、倫理ガバナンスなどの極めて重要な課題と将来の研究軌跡を特定します。
全体として、この調査は、AI主導の科学的発見の未来をナビゲートし、形成するための概念的なアーキテクチャと戦略的先見性を提供し、迅速な革新と責任ある進歩の両方を促進します。
githubリポジトリ：https：//github.com/hkust-knowcomp/awesome-llm-scientific-discovery。

要約(オリジナル)

Large Language Models (LLMs) are catalyzing a paradigm shift in scientific discovery, evolving from task-specific automation tools into increasingly autonomous agents and fundamentally redefining research processes and human-AI collaboration. This survey systematically charts this burgeoning field, placing a central focus on the changing roles and escalating capabilities of LLMs in science. Through the lens of the scientific method, we introduce a foundational three-level taxonomy-Tool, Analyst, and Scientist-to delineate their escalating autonomy and evolving responsibilities within the research lifecycle. We further identify pivotal challenges and future research trajectories such as robotic automation, self-improvement, and ethical governance. Overall, this survey provides a conceptual architecture and strategic foresight to navigate and shape the future of AI-driven scientific discovery, fostering both rapid innovation and responsible advancement. Github Repository: https://github.com/HKUST-KnowComp/Awesome-LLM-Scientific-Discovery.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google