怎么找到 AI 回答背后的原始来源？

AI 告诉你：“每天睡眠不足 6 小时的学生，考试不及格的可能性是其他人的两倍。”这句话很具体，旁边甚至还有一个引用。

可点开后，你看到的是一篇博客。博客又链接到大学新闻稿，新闻稿确实提到了一项研究，却始终没有出现“两倍”这个数字。

很多来源核查就停在这里：找到一个和说法有关的页面，就以为找到了证据。其实，你还需要沿着这条链继续往回走，直到找到真正支撑这句话的研究、数据集、报告或官方文件。

先打开紧挨着那句话的引用。ChatGPT Search 会在相关句子旁放引用链接，Sources 面板则会列出回答使用的网页。OpenAI 的搜索说明也建议打开这些来源，检查它们是否真的支持回答。

打开页面后，先问三个问题：

政府发布的统计表可能已经是原始来源。新闻、公司博客或文献综述通常还不是终点，但它们会留下继续追踪需要的线索，比如作者、年份、论文题目、报告编号或链接。

先找页面留下的引用痕迹：带链接的研究名称、作者、期刊、DOI，或者文章末尾的参考文献。

假设博客写着：“Northbridge University 2024 年的一项研究发现，睡眠不足 6 小时的学生考试不及格风险翻倍。”可以先搜索这句话里最特别的部分。如果搜不到，就把几个线索组合起来：

找到可能的论文后，不要只看题目像不像。还要比较作者、发表时间、研究人群和结果。一篇关于夜班住院医师睡眠的真实研究，也不能直接支持“普通大学生考试表现”的结论。

学术论文通常可以用完整题目搜索。如果页面提供了 DOI，可以直接放进 doi.org；只有部分出版信息时，可以在 Crossref Metadata Search 里按题目、作者、DOI 或完整引用检索。生物医学论文也可以到 PubMed 核对。

论文题目对得上，还不够。你需要在论文中找到那个结果。

核对数值时，至少看清：

“两倍”可能指调整后的优势比，并不等于原始不及格率刚好翻倍；“学生”可能只是某所学校的一年级护理专业学生；“不足 6 小时”也可能只来自某一晚的自我报告，而不是长期睡眠习惯。

在结果部分找到数据后，再看看作者在讨论里是怎么解释的。如果全文里既找不到这个数字，也找不到意思相同的表述，那么这条引用即使主题相关，也不能支撑原句。

这一步可以让 AI 帮你缩小范围：

它的作用是告诉你去哪里检查，不是替你完成最后的核对。

如果你写的是整个领域的结论，比如“综合 18 项研究，较短睡眠与较差的学业表现相关”，综述本身可能就是更合适的来源。

如果你写的是某一个样本的结果，或者引用了某项研究里的具体数字，就应该沿着综述的参考文献继续找到那项研究。

可以根据句子的类型决定追到哪里：

所以“原始来源”不一定总是期刊论文。它指的是离你这句话所依据的证据最近、最有权威性的来源。

把二手页面里有用的线索拆出来：主题、人群、结果、作者和大致年份，再按研究问题搜索。

比如在 WisPaper Search 中输入：“查找大学生睡眠时长与考试表现的研究，尤其是报告考试不及格风险的研究。”结果会以论文为单位展示题目、作者、时间和摘要，方便你和原来的说法逐项比较。

把可能的论文存进 My Library 后，还可以用 Library QA 继续问：哪篇论文研究了目标人群，又报告了要核对的统计量？

这里的目标是找回一条不完整的引用，不是证明 AI 的原话一定正确。原始证据可能用了不同措辞，也可能根本不存在一篇同时包含所有细节的论文。如果几篇候选文献都没有那个结果，就按照你确实找到的证据重写，或者删掉这句话。

除了收藏链接，最好再留下几项信息：

这条小记录能省掉很多返工。几周以后，你不仅知道数字从哪里来，也知道当时为什么要把句子写得更谨慎。