开源AI工具做文献综述又快又准，还能规范引用

研究人员发布了一种人工智能模型的构建方法，该模型在科学文献综述方面的表现优于部分主流大语言模型（LLMs），其引文准确性与人类专家相当。这款名为OpenScholar的模型将语言模型与4500万篇开放获取文章的数据库相结合，能将所获取的信息直接与文献关联，防止系统编造或‘虚构’引文。
卡内基梅隆大学的人工智能研究员、该研究（2月4日发表于《自然》杂志）的合著者浅井明里表示，目前已有多款基于人工智能的商业文献综述工具采用类似技术，但很少有开源版本。开源意味着研究人员不仅可以在在线演示中免费试用OpenScholar，还能将其部署在自己的设备上，并利用论文中的方法提升任何大语言模型的文献综述能力。
自OpenScholar首次发布于arXiv预印本库后的14个月里，OpenAI等人工智能公司已采用类似方法为其商业大语言模型添加‘深度研究’工具，大幅提高了准确性。不过，该研究的合著者、华盛顿大学计算机科学家汉尼内·哈吉希尔齐在《自然》播客中提到，作为一个小型高效的系统，运行OpenScholar的成本仅为使用带深度研究功能的OpenAI GPT-5的一小部分。
然而，作者们也承认OpenScholar存在局限性，例如它并非总能为查询检索到最具代表性或最相关的论文，且其功能受数据库范围限制。哥本哈根Silvi公司（拥有自己的人工智能文献综述工具）的研究员穆斯塔克·比拉尔认为，如果研究人员能免费使用该工具，“它可能会成为最受欢迎的科学搜索应用之一”。
大语言模型虽然能流畅写作，但在引文方面常存在问题。这是因为它们通过在训练数据（包括科学领域外的来源）中建立词语间的联系来学习，然后基于可能的关联生成文本，而这些关联并不总是正确或最新的。这是大语言模型的固有特性，而非缺陷，但在研究中使用时却成了问题。例如，根据GPTZero工具的分析，2025年12月备受关注的机器学习领域NeurIPS会议上，至少有51篇已接收论文包含不存在或不准确的引文。