用AI帮你快速读懂科研论文

从科学文献中整合知识对发现新方向、完善方法学和支持循证决策至关重要，但出版物的快速增长使研究人员难以及时了解动态。大型语言模型（LLMs）虽有帮助，却存在幻觉、数据过时和归因有限等问题，例如GPT-4o在引用最新文献时编造引文率达78%-90%。检索增强型语言模型虽缓解部分问题，但多依赖黑盒API或通用模型，缺乏科学领域专用的开放检索数据存储库，评估也局限于单一学科或简化任务。为此，我们推出OpenScholar，首个专为科研设计的完全开放检索增强语言模型，它整合领域专用数据存储库（OSDS，含4500万篇论文和2.36亿段落嵌入）、自适应检索模块和自我反馈生成机制，能迭代优化长篇输出。为评估它，我们开发ScholarQABench，首个多学科开放式科学整合基准，含3000个研究问题和250个专家答案，采用自动指标与人类评分结合的严格评估协议。在ScholarQABench上，OpenScholar超越专有和开源系统，OpenScholar-8B（开源）优于基于专有模型的PaperQA2等，还能提升现成模型（如OpenScholar-GPT-4o正确性提高12%），在答案正确性和引文准确性上达人类专家水平。16位科学家的评估显示，OpenScholar结合GPT-4o和8B模型时，对专家撰写内容的胜率分别为70%和51%，而纯GPT-4o仅31%。研究还发现参数化模型引文编造率高（78%-98%）、覆盖有限。我们已开源所有成果，包括代码、模型、数据存储库、数据集和公共演示版（用户超3万，查询近9万条）。