論文の概要: Who Uses Open-Weight Models? China and the Shifting Geography of AI in Science
- arxiv url: http://arxiv.org/abs/2608.11090v1
- Date: Tue, 11 Aug 2026 15:57:42 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-12 19:14:46.11065
- Title: Who Uses Open-Weight Models? China and the Shifting Geography of AI in Science
- Title（参考訳）: 誰がオープンウェイトモデルを使うのか? 中国と科学におけるAIのシフトする地理学
- Abstract要約: 我々は2026年6月までにセマンティック・スカラー・オープン・リサーチ・コーポレーション(S2ORC)から21万件のフルテキスト記事を分析した。
単一戸籍の論文では、オープンウェイトモデルの使用は着実に増加し、2026年には44.0%に達した。
最近の成長は、高品質のオープンウェイトな中国のモデルが利用可能になったことによる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: As LLMs have become a flashpoint for scientific research, computer scientists and STS scholars have advocated the use of open-weight models. Since LLM research has matured and more high-quality model families are available, have researchers adopted open-weight models? We present the first systematic study of model selection in scientific research, analyzing 21 million full-text articles through June 2026 from the Semantic Scholar Open Research Corpus (S2ORC). We employ a mixed NLP pipeline to extract model occurrences in article full text and determine whether they are used or merely mentioned by researchers. We divide our corpus into single- and multi-model family studies, which we take as a proxy for applied and foundational AI research. We find GPT-family models dominate both single- and multi-family research, but that both areas are becoming more diverse over time. In single-family papers, open-weight model use rises steadily, reaching 44.0% in 2026. However, we find that recent growth is driven by the availability of high-quality open-weight Chinese models. Further, a logistic regression model finds that open-weight adoption is heterogeneously distributed, estimating that researchers at Chinese institutions have 2.23 times the odds of using an open-weight model, accounting for 44.0% of the increase in open-weight adoption since 2023. A complementary multinomial model shows this association is concentrated in Chinese open-weight models: in 2026, their adjusted use is 37.1% among papers with Chinese affiliations, a 27.9 percentage-point over papers with no observed China link. These findings suggest that open-weight adoption in science is not a general turn toward open science, but part of a broader realignment of model ecosystems in which platforms and markets, and the sociocultural and geopolitical contexts which shape them, determine which AI systems become scientific instruments.
- Abstract（参考訳）: LLMは科学研究の要点となり、計算機科学者やSTS研究者はオープンウェイトモデルの使用を提唱している。
LLMの研究は成熟し、より高品質なモデルファミリーが利用可能になったので、研究者はオープンウェイトモデルを採用していますか?
本研究では,2026年6月までにセマンティック・スカラー・オープン・リサーチ・コーポレーション(S2ORC)から21万件のフルテキスト記事を分析し,科学的研究におけるモデル選択に関する最初の体系的研究を行った。
我々は混合NLPパイプラインを用いて、記事全文でモデル発生を抽出し、それらが研究者によって使われているか単に言及されているかを決定する。
我々は、コーパスを単モデルおよび多モデルファミリー研究に分割し、応用的および基礎的AI研究のプロキシとして捉えている。
GPTファミリーモデルはシングルファミリーとマルチファミリーの両方で支配的だが、いずれの分野も時間とともに多様化しつつある。
単一戸籍の論文では、オープンウェイトモデルの使用は着実に増加し、2026年には44.0%に達した。
しかし、最近の成長は、高品質のオープンウェイトな中国のモデルが利用可能であることに起因している。
さらに、ロジスティック回帰モデルでは、オープンウェイトの採用が不均一に分散していることが分かり、2023年以降のオープンウェイトの採用の増加の44.0%を占めるように、中国の機関の研究者はオープンウェイトモデルを使用する確率の2.23倍と見積もられている。
補完的なマルチノミカルモデルは、この協会が中国のオープンウェイトモデルに集中していることを示しており、2026年には中国の関係のある論文のうち37.1%が調整された使用であり、中国の関係が観察されていない論文では27.9ポイントである。
これらの知見は、科学におけるオープンウェイトの採用は、オープンサイエンスへの一般的な転換ではなく、プラットフォームと市場、そしてそれらを形作る社会文化的・地政学的文脈が、どのAIシステムが科学機器になるかを決定する、より広範なモデルエコシステムの認識の一部であることを示唆している。
関連論文リスト
- Can LLMs Discover Scientific Laws in Real and Parallel Worlds? [58.76147897928744]
SCILAWS-BENCHは、公表された研究と実際の科学データから構築された科学法発見のためのベンチマークである。
381の科学論文から118の問題を抽出し、291の法則と6つの科学分野にわたる800万の実際のデータポイントをカバーしている。
予測適合性は、科学的妥当性から分岐し、モデルが公表された公式を再現するか、移動するかを記憶する形に変化し、我々のベスト・オブ・N研究は選択ボトルネックを明らかにした。
論文 参考訳（メタデータ） (2026-09-01T17:17:59Z) - AI's Capability in Assisting Scientific Research in Physics, Astrophysics, and Cosmology I: Literature Review [2.2351980005694156]
本研究では,大規模言語モデル(LLM)が学術研究の文献レビューにどの程度役立つかを検討する。
我々は、物理学、天体物理学、宇宙論の分野にまたがる8つの専門家による研究プロジェクトについて、制御された研究を行う。
2025年中頃のLLM (ChatGPT-4o, ChatGPT Deep Research, Gemini) で選択された文献と比較した。
人間とAIが選択した参照の重複は小さく(6%)、AIモデルはまだ有能な専門家による検索を独自に再現していないことを示している。
論文 参考訳（メタデータ） (2026-07-28T12:51:35Z) - Thinking Like a Scientist? A Structural Study of LLM-Generated Research Methods [4.424680117690851]
GPT-5.1、Gemini 3 Pro、DeepSeek-V3.2に、最近のarXivコンピュータサイエンス論文1000件のそれぞれからLLMで抽出された研究質問を提出する。
調査質問のみを提供するので、これらの提案がどの程度最適かではなく、最初の提案を反映している。
最も強い不均衡は提供者の選択に現れ、ジェンセン=シャノンの発散は他の分類学の次元よりも約3,5倍大きい。
論文 参考訳（メタデータ） (2026-06-15T14:53:30Z) - ResearchClawBench: A Benchmark for End-to-End Autonomous Scientific Research [142.29356526274387]
我々は自律的な科学的研究を評価するためのベンチマークであるResearchClawBenchを紹介する。
各タスクは、実際の論文に基づき、関連する文献や生データを提供し、評価中に対象の論文を隠蔽する。
論文 参考訳（メタデータ） (2026-05-28T16:27:40Z) - Future of AI Models: A Computational perspective on Model collapse [0.0]
本研究は,2013年から2025年までの英語ウィキペディアの年次意味的類似性を調べることで,崩壊の定量化と予測を行う。
結果は、初期のRNN/LSTMとテキスト正規化パイプラインによって引き起こされた公的なLLM採用よりも、着実に類似性が高まっていることを示している。
論文 参考訳（メタデータ） (2025-10-29T15:10:29Z) - The Role of Computing Resources in Publishing Foundation Model Research [84.20094600030092]
我々はこれらの資源と基礎モデル(FM)の科学的発展との関係を評価する。
我々は2022年から2024年にかけて発行された6517のFM論文をレビューし、計算資源が科学出力に与える影響について229人の第一著者を調査した。
計算量の増加は国家予算配分や引用と相関していることがわかったが,研究環境との強い相関はみられない。
論文 参考訳（メタデータ） (2025-10-15T14:50:45Z) - Intern-S1: A Scientific Multimodal Foundation Model [282.73189976071427]
Intern-S1は、一般的な理解と推論機能を備えた専門的なジェネラリストである。
Intern-S1はオフラインおよびオンライン強化学習(RL)をInternBootCampで実施する。
包括的な評価ベンチマークでは、Intern-S1はオープンソースモデル間の一般的な推論タスクにおける競合性能を示す。
論文 参考訳（メタデータ） (2025-08-21T17:58:00Z) - Waterfall Model Simulation: A Systematic Mapping Study [0.16921396880325779]
本稿では、ウォーターフォールモデルを明確にシミュレートするこれらの論文/論文を体系的にマッピングする。
主要なデータベース(ACM Digital Library、IEEE Xplore、Scopus、Springer、Google Scholar、Web of Science)は2000年から2024年の間に出版された研究のために検索された。
論文 参考訳（メタデータ） (2025-06-24T14:15:34Z) - Large Language Models for Scholarly Ontology Generation: An Extensive Analysis in the Engineering Field [0.0]
本稿では,異なる研究トピック間の意味的関係を識別する大規模モデルの能力について分析する。
我々はそのタスクを評価するためにIEEE Thesaurusに基づく金の標準を開発した。
Mixtral-8x7B、Dolphin-Mistral、Claude 3-7Bなど、いくつかの優れた結果が得られた。
論文 参考訳（メタデータ） (2024-12-11T10:11:41Z) - 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。