AI 写论文这事儿确实不新鲜了，但天下苦假引用久矣。

以往咱用大模型写个综述，看着像模像样的，结果一查参考文献——

好家伙，论文不存在、期刊不存在、作者也不存在（扶额）。

现在不用愁了，Nature 新发表了一篇研究，艾伦人工智能研究所（Ai2）和华盛顿大学开源了一个叫OpenScholar的 AI 系统，写文献综述绝不瞎编。

背靠整整 4500 万篇科学论文库，直接把 GPT-4o 那种 78%-90% 的虚假引用率给干翻了。

那么问题来了，大家都在编，OpenScholar 为啥不编？

自我反馈推理

其实主要还是因为 LLM 的底层逻辑就是预测下一个词出现的概率。

当你问它一个非常生僻的学术问题时，它为了维持语言的连贯性以及 " 我无所不知 " 的人设——

会强行根据语料库里的作者名、期刊名、标题关键词，拼凑出一个看起来最像真论文的…幻觉产物。

还有，通用 AI 缺乏事实锚点，读过万卷书结果全记串了。

张教授写过超导，李教授写过材料，当你问它超导材料时，它能面不改色地给你编出一篇《张教授与李教授关于超导材料的巅峰对话》……

这种由于训练数据截断以及缺乏真实文献验证机制导致的假引用，真的太太太离谱了！

OpenScholar 就不一样了，不再拍脑门预测下一个词，直接接入了一个名为ScholarStore的庞大数据库。

这是目前公开的最大科学领域段落索引，全开源可下载，任何人都能本地部署或者扩展。

里面实打实地存了 4500 万篇论文的全文和摘要，再通过 RAG 技术，让每个知识点都背靠一篇真实存在的论文。

当你抛出一个科研难题，它会先在那个拥有2.37 亿个向量嵌入的超大数据库里疯狂检索，把相关的论文片段全翻出来。

给出初稿之后，带着生成的 " 这里缺少讨论 "" 这里引文不准 "" 需要补搜最新进展 " 等反馈再检索、再改稿，通过搜索、生成、自我审查、再搜索、再修正这套闭环，反复确认输出的内容是不是真有论文支撑。

这样一来显著降低了幻觉，提高了输出内容的覆盖度和引文精度，整个管道还会被用来生成高质量合成数据，反哺训练。

有多强？

但是！如果只是搜得准，那它充其量是个高级搜索引擎，OpenScholar 不止如此。

它在知识合成的深度上，已经开始正面硬刚人类专家了。

研发团队整了个叫Scholar QABench的测试集，涵盖了计算机科学、物理、生物医药等最吃逻辑的领域，由 3000 个问题和 250 个长篇专家答案构成。

在自动测评上，OpenScholar-8B 这个体量不算大的模型，在正确性上 GPT-4o 高出 5%，比专业的 PaperQA2 也高出 7%，引文准确度和人类专家持平。

团队还搞了个" 人机大战 "双盲实验，把 AI 写的答案和实打实的博士、研究员写的答案放一起，然后让另一群顶级科学家来盲评打分。

16 位专家两两对比了 108 份学术答案。结果显示，OpenScholar-8B 的回答有 51% 比人类研究者亲手写的更好，升级组合版的 OpenScholar-GPT4o 胜率更是冲到 70%，而普通 GPT-4o 只有 32%。

评审专家们普遍反馈，OpenScholar 的优势集中在信息覆盖更全面、结构更清晰、逻辑连贯性更强，实用价值也更高。

作者团队

这篇研究的一作Akari Asai是艾伦人工智能研究所研究科学家，2026 年秋起将任卡内基梅隆大学助理教授。

在此之前她获得了东京大学电气工程与计算机科学专业的学士学位，后在华盛顿大学完成博士学业，研究聚焦于自然语言处理和机器学习，尤其侧重于大型语言模型。

Jacqueline He目前在华盛顿大学读自然语言处理专业博士，本科毕业于普林斯顿大学，曾是普林斯顿自然语言处理小组成员，主要导师是陈丹琦。

读研之前，她还担任过 Meta 的软件工程师。

Rulin Shao本科毕业于西安交通大学，取得了数学的学士学位，后在卡内基梅隆大学完成了机器学习硕士学位，现为华盛顿大学博士生，同时也是 Meta 的访问研究员。

团队的其他作者均来自伊利诺伊大学厄巴纳 - 香槟分校、卡内基梅隆大学、Meta、北卡罗来纳大学教堂山分校、斯坦福大学等高校和机构。

论文地址：https://arxiv.org/abs/2411.14199

—  欢迎 AI 产品从业者共建  —

「AI 产品知识库」是量子位智库基于长期产品库追踪和用户行为数据推出的飞书知识库，旨在成为 AI 行业从业者、投资者、研究者的核心信息枢纽与决策支持平台。

一键关注 点亮星标

科技前沿进展每日见