本文通过对5000多篇学术文献的综合分析，提供了关于LLM研究的路线图，包括核心算法开发、自然语言处理任务、LLM在医学、工程、社会科学和人文学科中的应用等方面的研究趋势以及研究范式和合作模式的变化，为研究人员、从业者和决策者了解LLM研究的当前状态、影响和潜力提供了有价值的见解。

Apr, 2023

大型语言模型研究的科学领域发生了戏剧性的变化，在社会的影响下，LLM研究越来越关注其与社会的关系和影响，通过分析论文发表模式、LLM相关主题、作者研究背景及其相关性、高度引用的LLM论文特点和国际合作模式，证明了LLM研究在技术和社会方面存在着深刻的相互影响。

Jul, 2023

我们的研究显示，在人群工作者中普遍使用大型语言模型(LLM)，而有针对性的缓解策略可以显著降低LLM的使用，但不能完全消除。在一个文本摘要任务中，未对工作者在任何方面指示LLM的使用，估计LLM的使用普遍程度约为30％，但通过要求工作者不使用LLM和提高使用LLM的代价（例如禁用复制粘贴）减少了约一半。副本分析进一步揭示了LLM的使用及其预防的见解：LLM的使用产生高质量但同质化的回答，可能会损害关注人类（而非模型）行为的研究并降低以众包数据进行训练的未来模型的质量。同时，防止LLM的使用可能与获取高质量回答的目标相悖；例如，要求工作者不使用LLM会导致摘要中的关键字数量减少，从而丢失了关键信息。我们的估计可能随着LLM的普及或能力的增加以及其使用方式的变化而改变。然而，在广泛采用之前，了解基于LLM的工具和用户的共同演变对于维护使用众包进行的研究的有效性至关重要，我们提供了一个重要的基线。

Oct, 2023

大型语言模型 (LLMs) 能够在不同学科领域发挥作用和限制，加强科学研究，例如通过总结大量出版物加速文献回顾，通过自动语法纠正提升代码开发，和优化科学写作过程。然而，LLMs 面临挑战，如依赖庞大且有时偏颇的数据集，以及出于使用而引发的潜在伦理困境。我们对LLMs在不同领域的影响进行重要讨论，从自然科学中帮助模拟复杂生物序列，到社会科学中解析大规模的定性数据。最后，我们提供一种细致的观点，认为LLMs既是科学进步的福音，也是其边界。

Nov, 2023

经过调查，发现大型语言模型（LLMs）在金融行业消费者投诉中的使用与获取理想结果的可能性及语言特征改善相关，进一步实验证明了LLM在人类沟通中提升信息说服力的能力，并凸显了LLM在人类沟通中的转变潜力。

Nov, 2023

综述着重探究语言模型的历史背景、发展过程、因素、原理、现有工作的局限以及未来发展方向，为广大读者提供一个可理解的综合概述。

Feb, 2024

通过对950,965篇论文进行大规模分析，我们发现大型语言模型在学术写作中的使用不断增加，尤其在计算机科学论文中增长最快（最高达17.5%），而数学论文和Nature期刊的修改程度相对较低（最高达6.3%）。此外，我们的研究发现，更多使用大型语言模型的论文往往由经常发布预印本的第一作者、研究领域较为拥挤的论文以及长度较短的论文撰写而成。这些结果表明大型语言模型在科学写作中被广泛应用。

Apr, 2024

LLM的出现对科学文献产生了前所未有的影响，超过了像Covid大流行等重大世界事件的影响，至少有10%的2024篇摘要使用了LLMs处理。

Jun, 2024

本研究解决了大型语言模型（LLMs）对人类口头交流的潜在影响这一问题。通过分析来自2万多个YouTube频道的28万条英文视频，发现自ChatGPT发布以来，使用与其相关的特定词汇的趋势显著变化，表明人类交流中逐渐模仿LLMs。这一发现引发了对人工智能可能减少语言多样性或被误用进行大规模操控的社会及政策相关关注。

Sep, 2024

本研究探讨了大型语言模型（LLMs）在自然语言处理和人工智能领域的快速发展，识别其影响、局限性及未来方向。研究提供了LLM发展的责任开发考虑、算法改进、伦理挑战和社会影响的全面概述，强调了其潜在的社会积极影响和伦理问题。

Sep, 2024