12万篇论文实证：LLM 令科研分工更专精

斯特拉斯堡大学 Bianchini 与 Coroama 发布预印本《LLMs and the Organization of Scientific Work》，基于 2018-2025 年约 12 万篇 PLOS ONE 论文的作者贡献（CRediT）数据，考察 ChatGPT 发布后科研团队分工的变化。核心发现是：引入 AI 后团队变得更专精而非更全能——每位作者承担的任务数量减少，合著者之间的任务重叠也下降。这看似反直觉，因为 LLM 本应拓宽个人能力；但作者指出，如果过度的能力泛化会阻碍团队协调，这一结果就说得通。

已确认

• 论文分析了 2018-2025 年约 12 万篇 PLOS ONE 论文的数据
• 大多数 CRediT 任务的参与度普遍下降，其中构思（ideation）和写作环节最为明显；作者解释是团队层面不再需要多人重复执行同一任务
• 团队专业化程度上升：人均任务数减少、任务重叠下降；新组建的团队变化最大
• 研究者用概念框架论证 LLM 如何扩展个人能力、减少对互补性人力投入的依赖并促成更专业化的分工

尚未确认

• 论文未考察 LLM 对科研生产力、质量与新颖性的影响，作者称这是明确的后续研究方向
• 专业化分工提升效率、减少学习机会目前仅是作者的推测

为什么重要

该研究提供了 LLM 重塑科研组织方式的大规模实证证据。作者提醒，日益专业化的分工可能提高效率，却会减少学习机会，对职业生涯早期的研究者影响尤甚——LLM 自动化智力活动可能让科学家更高效，却剥夺了他们形成科学判断力所需的历练。

2026-11-05 ~ 2026-11-05 · 6 条相关

• 【源头】新预印本:分析 12 万篇论文揭示 LLM 如何重塑科研分工 — JMateosGarcia · 2026-11-05
• 研究:ChatGPT 后科研各任务参与度普遍下降,构思与写作最明显 — JMateosGarcia · 2026-11-05
• 反直觉发现:用 AI 后科研团队更专业化而非个人能力扩张 — JMateosGarcia · 2026-11-05
• 【源头】AI 让团队更专精而非更全能：作者任务范围缩小的反直觉发现 — JMateosGarcia · 2026-11-05
• 论文作者推测:LLM 或提升科研效率但削弱青年学者成长 — JMateosGarcia · 2026-11-05
• 【源头】12 万篇 PLOS ONE 论文实证:LLM 让科研分工更专业、新团队变化最大 — JMateosGarcia · 2026-11-05