大型语言模型在科学文献和引用实践中的内化程度有多深？

本研究探讨了大型语言模型（LLMs）在科学研究过程中如何影响引用实践，尤其是在文献发现和引用过程中。研究发现，LLMs会系统性地强化马太效应，通过优先引用高被引论文，尽管不同领域之间存在显著的变化。该结果显示LLMs在引用选择上的偏好可能重塑引用实践，进而影响科学发现的进程。

本研究分析大型语言模型（LLMs）对科学研究引用实践的影响，发现LLMs加剧了马太效应，倾向于优先引用高被引论文，并且不同学科之间存在显著差异。这可能会重塑引用实践，进而影响科学发现的进程。

大型语言模型 学科差异 引用实践 科学发现 马太效应
原文中文，约300字，阅读约需1分钟。发表于：。
阅读原文
分享给好友