语言建模
原文中文，约1300字，阅读约需3分钟。
📝
内容提要
大型语言模型（LLMs）在心理语言学和科学研究中具有重要作用，能够加速文献回顾和优化科学写作，但也面临数据偏见和伦理挑战。研究表明，LLMs通过微调可以在认知模型中表现出色，推动认知心理学的新方向。
🔎
延伸解读
LLM作为认知模型的新可能
文章指出，通过在心理实验数据上微调，大型语言模型能够提供准确的人类行为表示，甚至在两个决策制定领域中表现优于传统认知模型。这表明LLM不仅可模拟个体行为，还能预测未见任务中的人类行为，为认知心理学和行为科学开辟了颠覆性研究方向。
科学工作流中的双重角色
LLM在科学工作流中既能加速文献回顾、优化科学写作，也面临依赖庞大且有时偏颇的数据集以及潜在伦理困境的挑战。文章强调，LLM既是科学进步的福音，也是其边界，需要细致看待其整合影响。
科学LLM的领域化发展
科学LLM是一个新兴领域，专门针对促进科学发现进行工程化设计。文章以生物化学为例，从模型架构、能力、数据集和评估等方面分析，并指出当前挑战与前景方向，为研究人员提供全面概述。
❓
Q&A
大型语言模型在心理语言学中的作用是什么？
大型语言模型在心理语言学中是重要的工具，能够重新审视语言与思维的关系。
大型语言模型如何加速科学研究？
大型语言模型通过总结大量出版物加速文献回顾，并优化科学写作过程。
使用大型语言模型面临哪些挑战？
大型语言模型面临数据偏见和伦理挑战，依赖庞大且有时偏颇的数据集。
大型语言模型如何在认知模型中表现出色？
通过微调，大型语言模型能够提供准确的人类行为表示，甚至在某些领域表现优于传统认知模型。
科学大型语言模型的研究方向是什么？
科学大型语言模型专注于促进科学发现的工程化设计，涉及生物化学等领域的深入研究。
大型语言模型如何提高机器学习系统的性能？
大型语言模型通过综合知识和预测分子属性等任务，提高了当前机器学习系统的性能。
🏷️
