尽管AI在科学研究中的应用取得了显著进展，但目前仍缺乏对AI在科学研究（AI4Research）中应用的全面综述，为了填补这一空白，提出了一个全面的AI4Research调查，旨在提供一个统一的视角，并系统地分类AI在研究中的应用。

AI4Research的主流流程和分类，可以分为五个关键领域：（1）用于科学理解的AI，（2）用于学术调查的AI，（3）用于科学发现的AI，（4）用于学术写作的AI，以及（5）用于学术同行评审的AI。这些领域各自有助于提升AI融合研究与出版的有效性和效率。

AI在研究中的分类（AI4Research）被划分为五个关键领域。每个领域进一步细分为具体任务，突出了AI在整个研究过程中多样化的角色。

一、用于科学理解的AI

AI能够从科学文献中提取、解释和综合信息，加速人类知识获取和自动分析效率。这包括文本科学理解（如半自动和全自动科学理解）以及表格和图表科学理解。

• 文本科学理解

• 半自动科学理解：AI在人类指导下逐步深入理解复杂科学文献。例如，LaMAI通过提问澄清用户查询中的模糊点，减少误解；SciAgent通过调用计算器和公式评估器提供精确推理。

• 全自动科学理解：AI独立阅读和理解科学文献，无需人类干预。例如，通过生成文章总结来增强对长篇科学文本的整体理解，或通过自我提问和反思来深化对科学内容的理解。

• 表格和图表科学理解

• 表格理解：AI通过数据增强和推理范式增强来提取、解释和推断表格中的数据。例如，Chain-of-Table通过逐步构建和更新表格来提高对复杂表格的理解。

• 图表理解：AI能够直接处理和解释图表图像，支持基于图表内容的问题回答和总结。例如，ChartQA和ChartX用于训练端到端和流水线模型，FDV提供图表的结构化文本表示，以实现更深入的理解。

二、用于学术调查的AI

AI技术可以系统地回顾和总结科学文献，帮助研究人员快速了解研究领域的最新进展。这包括相关工作检索和概述报告生成。

• 相关工作检索

• 语义引导检索：通过匹配用户查询的语义表示与文献中的术语来检索相关文献。例如，GTSLNet通过基于关键词的相似性学习网络提高检索的准确性；

• 图引导检索：将学术实体（如论文、作者、引用）建模为图结构，基于节点类型和粒度进行检索。

• LLM增强检索：利用LLM的能力提升检索系统的性能。例如，单智能体检索直接使用LLM完成检索任务；多智能体检索通过多个专业智能体简化检索过程；深度研究则进一步向更自主的“深度研究”方向发展，AI智能体能够从探索和综合到生成引用丰富的报告。

• 概述报告生成

• 研究路线图绘制：对大量文献进行清理、整合，描绘研究主题的发展轨迹。例如，CHIME通过迭代人类-AI协作细化LLM生成的结构；HiReview使用多层树结构进行系统知识组织；SurveyEval提供层次化标题树，用于评估综述生成的分布和引用准确性。

• 章节级相关工作生成：生成相关工作章节，与实际论文结构对齐。

• 文档级调查生成：自动生成系统性文献综述。例如，AutoSurvey通过提示词引导LLM完成阶段性生成过程；

三、用于科学发现的AI

AI用于生成新的科学假设、理论或模型，并验证其有效性。这涉及想法挖掘、新颖性和重要性评估、理论分析和实验设计。

• 想法挖掘：AI从内部知识、外部信号和团队讨论中生成新科学假设或想法。

• 新颖性与重要性评估：AI评估想法的新颖性和重要性，结合传统方法、LLM增强和人机协作。

• 理论分析：AI验证科学假设的合理性，包括主张形式化、证据收集、验证分析和定理证明。

• 科学实验开展：AI设计、执行和分析科学实验，涵盖实验设计、前估计、管理、执行和分析。

• 全自动发现：AI实现从假设生成到实验验证的全流程自动化，形成闭环科学发现过程。

四、用于学术写作的AI

AI工具协助研究人员撰写、编辑和格式化科学论文，提高写作质量和效率。这包括在论文准备、撰写和完成阶段的辅助。

• 半自动学术写作

• 写作准备阶段：AI帮助生成论文标题、优化结构、确保内容连贯性，例如通过MoDeST和LLM-Rubric等工具生成多领域科学标题。

• 写作阶段：AI协助绘制图表、生成公式、推荐引用，例如FigGen和SciCapenter等工具支持从文本到图表的生成，ScholarCopilot等工具实现智能引用推荐。

• 写作完成后阶段：AI进行语法纠错、表达和逻辑修订，例如通过AWE系统和AAAR-1数据集提供写作质量评估，Wikipedia Revision Histories数据集帮助优化语言表达。

• 全自动学术写作

AI独立完成从草稿撰写到最终稿件生成的全过程，无需人工干预。例如，AI Scientist和Agent Laboratory等系统通过模拟同行评审和反馈循环，优化生成的论文内容，但目前尚未完全消除人工编辑的需求，特别是在正确引用方面。

五、用于学术同行评审的AI

AI自动化和增强同行评审过程，提供结构化、客观和建设性的评审。这包括预评审、评审和后评审阶段。

• 预评审：AI在桌面评审阶段快速评估稿件是否符合要求，并在审稿人匹配中实现精准分配，同时避免利益冲突。

• 正在评审：AI生成评审意见和综合评审报告，提升评审质量和效率，减少主观性和偏见。

• 后评审：AI预测论文影响力并生成宣传材料，提升论文的可见度和影响力。

AI在研究中的多学科应用：

1. 自然科学中的AI，涵盖物理学、生物学与医学以及化学与材料科学等领域