大模型赋能哲学社会科学研究：范式与路径初探.pdfVIP

大模型赋能哲学社会科学研究：

范式与路径初探*

□邓水光

内容提要大模型开启了人工智能发展的新阶段，人工智能赋能科学研究（AIfor

Science）正成为全新的科学研究范式，体现出跨学科融合、人机协同共创等新特点。当

前，大模型如何赋能哲学社会科学研究（AIforSocialScience），其范式与路径尚不明

确。本文首先回顾了研究范式的演进，并提炼出一种以大模型与研究者协同共创为特征

的大模型赋能哲学社会科学研究的新范式。在此基础上，构建了一种以人为中心的“生

成—批判—共创”实施路径。最后，本文以大模型助力艺术传承为例，为大模型赋能哲

学社会科学研究提供案例参考。

关键词人工智能大模型哲学社会科学研究范式

作者邓水光，浙江大学计算机科学与技术学院求是特聘教授，国家杰出青年科学基

金获得者。（杭州310058）

一、引言

近年来，人工智能迅猛发展，正在深刻影响现代科学研究。（刘云、房浩超，2025）以Deep‐

Seek和ChatGPT为代表的通用大模型在海量数据上开展预训练，形成了高密度知识载体，（Zhao

W.X.etal.，2023）并逐渐展现出作为科研协作者的潜力，而非仅限于传统意义上的自动化工具。

大模型引领的人工智能技术正在驱动许多自然科学领域的知识构建向更高效、精准的方向发展，

并促成了一大批AIforScience的研究成果，例如，AlphaFold-3在生物分子结构预测和药物靶点

筛查领域取得重要突破（Abramsonetal.，2024）、LLMatDesign实现了材料自主发现（Jiaetal.，

2024）、ClimateGPT通过整合跨学科研究成果以提供全面的气候变化信息（Thulkeetal.，2024）、

PathChat则通过其跨模态理解能力与对自然语言的复杂查询的高准度响应显著促进病理学研究

（Luetal.，2024）。

在社会科学研究领域，大模型的应用同样展现出无限潜力。例如，通过大模型赋能社科知识

生产与智库科学决策，提升其智能化水平（赵徐州，2024）；结合局部社交网络与大模型的语言

*本文部分观点是与赵海亮、程冠杰、秦臻、王梓奇、王泽坤等讨论形成的，在此一并表示感谢。

4

大模型赋能哲学社会科学研究：范式与路径初探

理解功能以实现更高精度的用户行为建模（JiangFerrara，2023）；以及基于大模型构建的多智

能体系统，通过可扩展、可复制、系统化的计算方法模拟人类交互过程，从而加深对人类行为的

理解（Piaoetal.，2025）。大模型在信息处理、知识整合与行为预测等方面的独特优势，正在推

动社会科学研究方法的演进，并不断拓展其实施路径。

人工智能赋能哲学社会科学研究（AIforSocialScience）已经得到学术界的普遍关注。然而，

其科研范式和实施路径尚未明确，仍缺乏对人机共创机制、知识生成逻辑以及人机协作边界的清

晰认知，难以构建规范、高效和可持续的研究方法体系。此外，学术界对以大模型为代表的新兴

人工智能技术的智能程度也未能达成共识——它们是具备了初步智能，还是仅在对现有知识进行

随机连接与重组，仍有待深入探讨。（Benderetal.，2021）过度依赖人工智能驱动的建模方法可

能对科学研究带来负面影响。（NarayananKapoor，2025）因此，如何设计一条结构清晰、反馈

明确的研究路径以便科学合理地引入大模型展开大规模研究和应用，是大模型赋能哲学社会科学

研究需要回答的重要问题。

本文在科研范式的演进和变迁的基础上，归纳总结大模型赋能哲学社会科学的研究范式。在

此基础上，提出一种以“生成—批判—共创”为核心过程的大模型赋能哲学社会科学研究的实施

路径。该路径强调以人为中心的认知主导，既关注研究内容的创新，也重视对研究结果的批判，

在效率提升与质量保障之间取得平衡，从而实现人机深度协同共创。最后，通过大模型助力艺术

传承这一典型研究案