論文の概要: Roadmap for using large language models (LLMs) to accelerate cross-disciplinary research with an example from computational biology

• arxiv url: http://arxiv.org/abs/2507.03722v1
• Date: Fri, 04 Jul 2025 17:20:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-08 15:46:34.84913
• Title: Roadmap for using large language models (LLMs) to accelerate cross-disciplinary research with an example from computational biology
• Title（参考訳）: 大規模言語モデル(LLM)を用いた学際横断研究の促進と計算生物学の例
• Authors: Ruian Ke, Ruy M. Ribeiro,
• Abstract要約: 大きな言語モデル(LLM)は、研究の実施方法を変える強力な人工知能(AI)ツールである。 研究における彼らの使用は、幻覚、偏見、研究への潜在的な害に関する懸念から懐疑論に満ちている。 本稿では,LSMを学際的な研究に統合するためのロードマップを示す。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Large language models (LLMs) are powerful artificial intelligence (AI) tools transforming how research is conducted. However, their use in research has been met with skepticism, due to concerns about hallucinations, biases and potential harms to research. These emphasize the importance of clearly understanding the strengths and weaknesses of LLMs to ensure their effective and responsible use. Here, we present a roadmap for integrating LLMs into cross-disciplinary research, where effective communication, knowledge transfer and collaboration across diverse fields are essential but often challenging. We examine the capabilities and limitations of LLMs and provide a detailed computational biology case study (on modeling HIV rebound dynamics) demonstrating how iterative interactions with an LLM (ChatGPT) can facilitate interdisciplinary collaboration and research. We argue that LLMs are best used as augmentative tools within a human-in-the-loop framework. Looking forward, we envisage that the responsible use of LLMs will enhance innovative cross-disciplinary research and substantially accelerate scientific discoveries.
• Abstract（参考訳）: 大きな言語モデル(LLM)は、研究の実施方法を変える強力な人工知能(AI)ツールである。 しかしながら、研究における彼らの使用は幻覚、偏見、研究への潜在的害に関する懸念から懐疑論と一致している。 これらは、LLMの長所と短所を明確に理解し、効果的で責任ある使用を確実にすることの重要性を強調している。 本稿では,多分野にわたる効果的なコミュニケーション,知識伝達,コラボレーションが不可欠であるが,しばしば困難である,学際横断的な研究にLLMを統合するためのロードマップを提案する。 LLMの能力と限界について検討し、(HIVリバウンドダイナミクスのモデリングにおける)詳細な計算生物学のケーススタディを提供し、LCMとの反復的相互作用が学際的なコラボレーションと研究をいかに促進するかを実証する。 LLMは、人為的なループフレームワークの中で拡張ツールとして最適である、と我々は主張する。 今後は、LCMの責任を負うことによって、革新的な学際研究が促進され、科学的発見が大幅に加速されることを期待する。

関連論文リスト

• Get on the Train or be Left on the Station: Using LLMs for Software Engineering Research [11.38769375570817]
  我々はSE研究コミュニティが研究実践への大規模言語モデルの統合に積極的に関与し、形成する必要があると論じる。 このポジションペーパーは、McLuhanのTetrad of Media Lawsを用いて、LLMがSE研究に与える影響を分析する。
  論文  参考訳（メタデータ） (2025-06-15T02:25:50Z)
• The LLM Effect: Are Humans Truly Using LLMs, or Are They Being Influenced By Them Instead? [60.01746782465275]
  大規模言語モデル(LLM)は、様々な分析タスクにおいて、人間のパフォーマンスに近い能力を示している。 本稿では,Human-LLMパートナーシップに着目した構造化ユーザスタディにより,特殊作業におけるLLMの効率と精度について検討する。
  論文  参考訳（メタデータ） (2024-10-07T02:30:18Z)
• Apprentices to Research Assistants: Advancing Research with Large Language Models [0.0]
  大規模言語モデル(LLM)は、様々な研究領域において強力なツールとして登場した。 本稿では,文献レビューと手動実験を通じてその可能性について考察する。
  論文  参考訳（メタデータ） (2024-04-09T15:53:06Z)
• Materials science in the era of large language models: a perspective [0.0]
  大きな言語モデル(LLM)は、その印象的な能力によってかなりの関心を集めている。 この論文は、様々なタスクや規律にわたる曖昧な要求に対処する能力は、研究者を支援する強力なツールになり得ると論じている。
  論文  参考訳（メタデータ） (2024-03-11T17:34:25Z)
• Large Language Models for Causal Discovery: Current Landscape and Future Directions [5.540272236593385]
  因果発見(CD)とLarge Language Models(LLM)は、人工知能のトランスフォーメーション分野として登場した。 本研究は, テキストからの因果的抽出, ドメイン知識の統計的手法への統合, 因果的構造の改良の3つの重要な側面において, LLMがCDをどう変えるかを検討する。
  論文  参考訳（メタデータ） (2024-02-16T20:48:53Z)
• From Prompt Engineering to Prompt Science With Human in the Loop [12.230632679443364]
  本稿では、それに対応する定性的な方法を通じて、コードブック構築にインスパイアされた新しい方法論を提案する。 研究者の集合が、厳密なラベル付け、検討、文書化のプロセスを通じて、主観性を排除し、生成プロセスに透明性と複製性をもたらす方法を示します。
  論文  参考訳（メタデータ） (2024-01-01T01:37:36Z)
• Investigating the Factual Knowledge Boundary of Large Language Models with Retrieval Augmentation [109.8527403904657]
  大規模言語モデル(LLM)は,その知識に対する信頼度が低く,内部知識と外部知識の衝突をうまく扱えないことを示す。 検索の強化は、LLMの知識境界に対する認識を高める効果的なアプローチであることが証明されている。 本稿では,文書を動的に活用するための簡易な手法を提案する。
  論文  参考訳（メタデータ） (2023-07-20T16:46:10Z)
• A Comprehensive Overview of Large Language Models [68.22178313875618]
  大規模言語モデル(LLM)は、最近自然言語処理タスクにおいて顕著な機能を示した。 本稿では, LLM関連概念の幅広い範囲について, 既存の文献について概説する。
  論文  参考訳（メタデータ） (2023-07-12T20:01:52Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。