LLMs4All: 학문 분야 연구 및 응용을 위한 대규모 언어 모델 리뷰
LLMs4All: A Review on Large Language Models for Research and Applications in Academic Disciplines
September 23, 2025
저자: 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
초록
최첨단 인공지능(AI) 기술은 우리의 세계관을 계속해서 재구성하고 있습니다. 예를 들어, ChatGPT와 같은 대규모 언어 모델(LLM) 기반 애플리케이션은 다양한 주제에 대해 인간과 유사한 대화를 생성할 수 있는 능력을 보여주었습니다. 다양한 언어 관련 작업(예: 개방형 질문 응답, 번역, 문서 요약)에서의 인상적인 성능으로 인해, LLM이 더 넓은 실제 세계 응용 분야(예: 고객 서비스, 교육 및 접근성, 과학적 발견)에서 가져올 수 있는 광범위한 영향을 상상할 수 있습니다. 이러한 성공에 영감을 받아, 본 논문은 최신 LLM과 이를 다양한 학문 분야에 통합하는 방법에 대한 개요를 제공할 것입니다. 이 학문 분야에는 (1) 예술, 인문학 및 법학(예: 역사, 철학, 정치학, 예술 및 건축, 법학), (2) 경제학 및 경영학(예: 금융, 경제학, 회계, 마케팅), (3) 과학 및 공학(예: 수학, 물리학 및 기계공학, 화학 및 화학공학, 생명과학 및 생물공학, 지구과학 및 토목공학, 컴퓨터과학 및 전기공학)이 포함됩니다. 인간성과 기술을 통합하는 본 논문에서는 LLM이 이러한 분야에서 연구와 실무를 어떻게 형성하고 있는지 탐구하며, 생성적 AI 시대의 주요 한계, 열린 과제 및 미래 방향에 대해서도 논의할 것입니다. 다양한 학문 분야에서 LLM이 어떻게 활용되고 있는지에 대한 검토와 주요 관찰 및 통찰은 LLM을 활용하여 다양한 실제 응용 분야에서 자신의 작업을 발전시키고자 하는 연구자와 실무자에게 도움이 될 수 있습니다.
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.