《自然》发文探讨大语言模型时代的研究可复现性难题

《自然·计算科学》（Nature Computational Science）于 2026 年 9 月 22 日发表社论，探讨大语言模型（LLM）在科研领域广泛应用所带来的研究可复现性与透明度挑战，为计算科学界规范 AI 辅助研究提供了系统性建议。

• 社论指出大语言模型本质上属于概率采样生成，相同提示词在不同硬件架构或浮点运算精度下可能因微小数值偏差累积而产生不同输出，提示词的细微变动也会显著改变结果。
• 专有闭源模型的核心架构、训练数据与权重不公开，且服务商常不定期更新或停用历史版本，导致基于特定版本的科研成果难以被第三方独立验证与复现。
• 建议研究人员在研究中优先评估并使用开源或开放权重模型；若使用专有模型需说明理由，并完整公开模型具体版本、完整提示词文本、软硬件运行环境与超参数配置。
• 影响/看点：该呼吁可能推动学术出版界与科研资助机构出台更严格的 AI 实验报告规范，但科研成果透明度的实质性提升仍取决于社区对开源基础模型的支持力度与标准化评估工具的建立。
• 资料依据:
• Nature Computational Science（2026-09-22）：https://www.nature.com/articles/s43588-026-01061-2

本内容由 AI 生成，仅供参考，请注意甄别