Artificial Intelligence in Science: Returns, Reallocation, and Reorganization

基于近十年近两万份科研项目提案文本,报告系统识别现代AI的方法与用途后发现:短期内AI采纳仅在成果上带来上尾部的温和增益,但更显著的影响在于科研生产的重组——AI项目倾向于扩大任务范围、组建更大团队并将预算从设备/运营向人员工资重分配,这暗示组织与协调层面的潜在长期生产率提升而非即时效率飞跃 .

基于近十年近两万份科研项目提案文本,报告系统识别现代AI的方法与用途后发现:短期内AI采纳仅在成果上带来上尾部的温和增益,但更显著的影响在于科研生产的重组——AI项目倾向于扩大任务范围、组建更大团队并将预算从设备/运营向人员工资重分配,这暗示组织与协调层面的潜在长期生产率提升而非即时效率飞跃 .

本论文评估以专业VOC(Voice-of-the-Customer)样本对基础大模型(Vicuna 13B 等)进行监督微调(SFT)能否自动抽象出“客户需求(CNs)”。跨五项研究(不同品类与方法),SFT LLM 在质量、细化程度与基于来源的可靠性上与职业分析师不分伯仲且明显优于未微调的基础模型,且仅需中等规模模型与约数百到千级的高质量训练对即可达到近似专业水平,表明SFT更多是学会“转换(transform)”文本而非单纯记忆条目,从而使VOC规模化成为可能。

This field-experiment paper shows that making workers’ AI reliance observable to an HR evaluator causally reduces their adoption of AI recommendations and lowers task performance: observed switching to AI falls ~30.5% → 26.2% and final accuracy declines ~79.1% → 76.4%, implying image concerns meaningfully block human–AI complementarities; workers report they fear reliance signals low confidence in their judgment, and simple informational reassurance does not eliminate the effect .