論文の概要: The Rise of Large Language Models and the Direction and Impact of US Federal Research Funding

• arxiv url: http://arxiv.org/abs/2601.15485v1
• Date: Wed, 21 Jan 2026 21:37:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-23 21:37:20.424148
• Title: The Rise of Large Language Models and the Direction and Impact of US Federal Research Funding
• Title（参考訳）: 大規模言語モデルの台頭と米連邦研究資金の方向性と影響
• Authors: Yifan Qian, Zhe Wen, Alexander C. Furnas, Yue Bai, Erzhuo Shao, Dashun Wang,
• Abstract要約: 大規模言語モデル(LLM)は急速に科学的実践に拡散している。 科学的な執筆と評価においてAIの使用に注目が集まる一方で、LLMの台頭が公的資金の展望をどう変えているかについてはほとんど分かっていない。 LLMの使用は2023年から急激に増加し、バイモーダル分布が示され、最小使用と実体使用の明確な分割が示される。
• 参考スコア（独自算出の注目度）: 43.39016984353673
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Federal research funding shapes the direction, diversity, and impact of the US scientific enterprise. Large language models (LLMs) are rapidly diffusing into scientific practice, holding substantial promise while raising widespread concerns. Despite growing attention to AI use in scientific writing and evaluation, little is known about how the rise of LLMs is reshaping the public funding landscape. Here, we examine LLM involvement at key stages of the federal funding pipeline by combining two complementary data sources: confidential National Science Foundation (NSF) and National Institutes of Health (NIH) proposal submissions from two large US R1 universities, including funded, unfunded, and pending proposals, and the full population of publicly released NSF and NIH awards. We find that LLM use rises sharply beginning in 2023 and exhibits a bimodal distribution, indicating a clear split between minimal and substantive use. Across both private submissions and public awards, higher LLM involvement is consistently associated with lower semantic distinctiveness, positioning projects closer to recently funded work within the same agency. The consequences of this shift are agency-dependent. LLM use is positively associated with proposal success and higher subsequent publication output at NIH, whereas no comparable associations are observed at NSF. Notably, the productivity gains at NIH are concentrated in non-hit papers rather than the most highly cited work. Together, these findings provide large-scale evidence that the rise of LLMs is reshaping how scientific ideas are positioned, selected, and translated into publicly funded research, with implications for portfolio governance, research diversity, and the long-run impact of science.
• Abstract（参考訳）: 連邦政府の研究資金は、アメリカの科学産業の方向性、多様性、および影響を形作る。 大規模言語モデル(LLM)は急速に科学的実践に拡散し、広く懸念を抱きながらかなりの可能性を秘めている。 科学的な執筆と評価においてAIの使用に注目が集まる一方で、LLMの台頭が公的資金の展望をどう変えているかについてはほとんど分かっていない。 本稿では、NSF(National Science Foundation)とNIH(National Institutes of Health)という2つの補助的なデータソースを組み合わせることで、連邦資金パイプラインの重要な段階におけるLCMの関与について検討する。 LLMの使用は2023年から急激に増加し、バイモーダル分布が示され、最小使用と実体使用の明確な分割が示される。 民間の応募と公募の両方で、高いLCMへの関与は、同じ機関内で最近資金提供された仕事に近いプロジェクトの位置にある、意味的特質の低下と一貫して関連している。 このシフトの結果はエージェンシーに依存している。 LLMの使用は、NSFでは同等の関連が観察されていないのに対し、NIHでは、提案の成功とその後の出版出力の増加に肯定的に関連している。 特に、NIHの生産性向上は、最も引用された作品よりも非ヒット論文に集中している。 これらの発見は、LLMの台頭が、ポートフォリオガバナンス、研究の多様性、科学の長期的影響を含む、科学思想の位置づけ、選定、そして公的資金による研究にどのように変換されているかという大規模な証拠を提供する。

関連論文リスト

• ResearchBench: Benchmarking LLMs in Scientific Discovery via Inspiration-Based Task Decomposition [67.26124739345332]
  大規模言語モデル(LLM)は科学的研究を支援する可能性を示しているが、高品質な研究仮説を発見する能力はいまだ検討されていない。 我々は,LLMを科学的発見のサブタスクのほぼ十分セットで評価するための,最初の大規模ベンチマークを紹介する。 学術論文から重要コンポーネント(研究質問、背景調査、インスピレーション、仮説)を抽出する自動フレームワークを開発する。
  論文  参考訳（メタデータ） (2025-03-27T08:09:15Z)
• LLMs as Research Tools: A Large Scale Survey of Researchers' Usage and Perceptions [20.44227547555244]
  大規模言語モデル (LLMs) は、多くの研究者が科学的な研究に利用することを検討している。 筆者らによる816件の研究論文の大規模調査を行った。 81%の研究者がすでにLLMを研究ワークフローのさまざまな側面に組み込んでいることがわかった。
  論文  参考訳（メタデータ） (2024-10-30T04:25:23Z)
• Whose ChatGPT? Unveiling Real-World Educational Inequalities Introduced by Large Language Models [3.005864877840858]
  ChatGPTや他の類似のツールは、学習経験と成果を改善するために、大きな言語モデル(LLM)の可能性について、大きな興奮と実験的努力を喚起しました。 しかし、LLMが教育的価値に与える影響を体系的に調査する研究はほとんどない。 我々は2021年から2024年までの2391のコースで16,791人の大学生から1,140,328人の学術論文を米国内の公立の少数派機関で分析した。 言語学的に有利な学生と不利な学生の書き込み品質のギャップが狭まりつつあり, 学生全体の書き込み品質が徐々に向上していることがわかった。
  論文  参考訳（メタデータ） (2024-10-29T17:35:46Z)
• Transforming Scholarly Landscapes: Influence of Large Language Models on Academic Fields beyond Computer Science [77.31665252336157]
  大規模言語モデル (LLM) は自然言語処理 (NLP) において転換期を迎えた。 本研究は,NLP以外の分野におけるLLMの影響と利用について実験的に検討する。
  論文  参考訳（メタデータ） (2024-09-29T01:32:35Z)
• Analyzing Diversity in Healthcare LLM Research: A Scientometric Perspective [3.724351094182122]
  本稿では,医療のための大規模言語モデル(LLM)研究の包括的科学的分析について述べる。 以上の結果から,男女差や地理的格差が顕著であり,男性作家の優位性が示唆された。 人工知能研究における多様性と傾斜度を高めるための実用的な戦略を提案する。
  論文  参考訳（メタデータ） (2024-06-19T02:00:51Z)
• A Comprehensive Survey of Scientific Large Language Models and Their Applications in Scientific Discovery [68.48094108571432]
  大規模言語モデル(LLM)は、テキストやその他のデータ処理方法に革命をもたらした。 我々は,科学LLM間のクロスフィールドおよびクロスモーダル接続を明らかにすることで,研究ランドスケープのより総合的なビューを提供することを目指している。
  論文  参考訳（メタデータ） (2024-06-16T08:03:24Z)
• Mapping the Increasing Use of LLMs in Scientific Papers [99.67983375899719]
  2020年1月から2024年2月にかけて、arXiv、bioRxiv、Natureのポートフォリオジャーナルで950,965の論文をまとめて、体系的で大規模な分析を行った。 計算機科学の論文では, LLMの使用が着実に増加し, 最大, 最速の成長が観察された。
  論文  参考訳（メタデータ） (2024-04-01T17:45:15Z)

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。