LLMs4All: 学術分野における研究と応用のための大規模言語モデルのレビュー
LLMs4All: A Review on Large Language Models for Research and Applications in Academic Disciplines
September 23, 2025
著者: Yanfang, Ye, Zheyuan Zhang, Tianyi Ma, Zehong Wang, Yiyang Li, Shifu Hou, Weixiang Sun, Kaiwen Shi, Yijun Ma, Wei Song, Ahmed Abbasi, Ying Cheng, Jane Cleland-Huang, Steven Corcelli, Patricia Culligan, Robert Goulding, Ming Hu, Ting Hua, John Lalor, Fang Liu, Tengfei Luo, Ed Maginn, Nuno Moniz, Jason Rohr, Brett Savoie, Daniel Slate, Tom Stapleford, Matthew Webber, Olaf Wiest, Johnny Zhang, Nitesh Chawla
cs.AI
要旨
最先端の人工知能（AI）技術は、私たちの世界観を変革し続けています。例えば、ChatGPTのような大規模言語モデル（LLMs）を基盤としたアプリケーションは、幅広いトピックにおいて人間のような会話を生成する能力を示しています。多様な言語関連タスク（例：オープンドメイン質問応答、翻訳、文書要約）における印象的なパフォーマンスにより、LLMsが現実世界の幅広い応用（例：カスタマーサービス、教育とアクセシビリティ、科学的発見）にもたらすであろう遠大な影響を想像することができます。その成功に触発され、本論文では最先端のLLMsとそれらが学際的に統合されている様子を概観します。具体的には、(1) 人文・社会科学および法学（例：歴史学、哲学、政治学、芸術と建築、法学）、(2) 経済学とビジネス（例：金融、経済学、会計、マーケティング）、(3) 科学と工学（例：数学、物理学と機械工学、化学と化学工学、生命科学とバイオエンジニアリング、地球科学と土木工学、計算機科学と電気工学）の分野を取り上げます。人間性と技術を統合する観点から、本論文ではLLMsがこれらの分野における研究と実践をどのように形作っているかを探りつつ、生成AI時代における主要な限界、未解決の課題、そして今後の方向性についても議論します。学際的な観点からLLMsがどのように活用されているかをレビューし、重要な観察と洞察を提供することで、LLMsを活用して多様な現実世界の応用を進めたい研究者や実務家にとって有益な指針を提供します。
English
Cutting-edge Artificial Intelligence (AI) techniques keep reshaping our view
of the world. For example, Large Language Models (LLMs) based applications such
as ChatGPT have shown the capability of generating human-like conversation on
extensive topics. Due to the impressive performance on a variety of
language-related tasks (e.g., open-domain question answering, translation, and
document summarization), one can envision the far-reaching impacts that can be
brought by the LLMs with broader real-world applications (e.g., customer
service, education and accessibility, and scientific discovery). Inspired by
their success, this paper will offer an overview of state-of-the-art LLMs and
their integration into a wide range of academic disciplines, including: (1)
arts, letters, and law (e.g., history, philosophy, political science, arts and
architecture, law), (2) economics and business (e.g., finance, economics,
accounting, marketing), and (3) science and engineering (e.g., mathematics,
physics and mechanical engineering, chemistry and chemical engineering, life
sciences and bioengineering, earth sciences and civil engineering, computer
science and electrical engineering). Integrating humanity and technology, in
this paper, we will explore how LLMs are shaping research and practice in these
fields, while also discussing key limitations, open challenges, and future
directions in the era of generative AI. The review of how LLMs are engaged
across disciplines-along with key observations and insights-can help
researchers and practitioners interested in exploiting LLMs to advance their
works in diverse real-world applications.