LLMs在科学创新中角色的演变：助手、合作者、科学家和评估者
TLDR
提出大语言模型在科学创新中的四角色框架（助手、合作者、科学家、评估者），综述能力与局限。
评分理由
Strengths: Clear framework integrating autonomy, cognition, and innovation; comprehensive review of roles and benchmarks. Weaknesses: Limited novelty as a survey; lacks empirical validation of the framework itself.
Read-first 评分解释
综合优先阅读分 61.1，由主题、引用、图谱、方法、可复现性和近期性等信号加权得到。 原始总分保留为 76。
研究版图角色
前沿论文方法锚点
排序敏感性
稳定性：volatile；排名波动范围：50。
关键词评分
深度分析
创新点
- 提出了LLMs在科学创新中的四角色框架（助手、合作者、科学家、评估者）
- 整合了三个互补维度：自主性水平、认知功能和科学创新
- 区分了面向研究的支持与面向前沿的发现
方法
本文引入了一个四角色框架，沿自主性、认知功能和科学创新维度对LLMs在科学创新中的应用进行分类。它回顾了每个角色的代表性方法、基准和评估实践，分析了它们的能力、局限性和人类监督需求。
关键结果
助手系统在检索和综合方面成熟，但在开放式任务中不可靠；合作者系统扩展了假设空间，但面临新颖性与基础性之间的权衡；科学家系统自动化工作流程，但遇到可靠性和安全瓶颈；评估者系统辅助评审，但在新颖性评估方面仍然薄弱。
局限性
- 助手系统在开放式应用中不可靠
- 合作者系统面临新颖性与基础性之间的权衡
- 科学家系统面临可靠性和安全瓶颈
- 评估者系统在新颖性评估方面薄弱
- 进步取决于评估、监督、问责和制度整合，而不仅仅是模型能力
技术栈
大语言模型 (LLMs)