科学家用大语言模型搞科研：做得更多，但质量可能下降

一项建模研究预测，大型语言模型（LLMs）将加快科研全流程（包括提出假说、实验探索、图表制作、论文撰写等），但未必提升成果质量。研究人员会因效率提高而更快启动新项目，却减少对单篇论文的打磨时间，导致‘多产但平庸’。作者强调，这并非LLM本身的缺陷，而是反映了当前科研激励机制的根本性问题：高校和期刊更看重论文数量而非深度与严谨性。西雅图华盛顿大学生物学家卡尔·伯格斯特罗姆指出，LLMs就像一面镜子，映照出科学界早已存在的结构性问题——比如‘赶发文’压力。该研究于7月19日发布在预印本平台arXiv上，尚未经过同行评审。研究方法借鉴了‘最优觅食理论’，将科研比作动物觅食：科学家在引入LLM后，会像动物优化能量消耗一样，重新分配有限的时间与精力，优先完成‘必需任务’（如生成初稿），而压缩‘可选深化工作’（如补充验证实验、反复修改语言）。简言之，AI放大了现有体制的倾向，而非创造了新问题。