A Survey of Scientific Large Language Models: From Data Foundations to Agent Frontiers

科学大语言模型（Sci-LLMs）综述总结与关键部分翻译

一、文章主要内容总结

该综述围绕科学大语言模型（Scientific Large Language Models, Sci-LLMs） 展开，从数据基础到智能体前沿，构建了“数据-模型-应用”的完整分析框架，核心内容可分为以下六大模块：

1. 科学数据与知识的基础框架

• 科学数据统一分类体系：将科学数据划分为文本格式（论文、实验记录）、视觉数据（医学影像、天文观测图）、符号表示（分子SMILES字符串、晶体CIF文件）、结构化数据（数据库、知识图谱）、时间序列数据（LIGO引力波信号、EEG脑电数据）及多组学整合数据（基因组、转录组、蛋白质组联用），并分析了各类型数据的模态特性与处理难点。
• 科学知识层级模型：提出五级知识结构——事实层（原始观测数据，如粒子碰撞记录）、理论层（科学定律与原理，如牛顿力学）、方法技术层（实验流程与工具，如CRISPR基因编辑）、建模仿真层（计算模型，如气候循环模拟）、洞察层（突破性发现，如暗物质提出），揭示了科学知识从具象到抽象的递进关系。

2. Sci-LLMs的发展历程与分类

• 四阶段范式演进：
  • 迁移学习阶段（2018-2020）：基于BERT架构适配科学领域，如SciBERT（科学文本）、Bi