AI引文核查工具只是找到论文，还是能验证它是否真正支撑论点？
简而言之：目前大多数系统仅能确认参考文献的存在，而非其能否提供所需证据。工具citation-verifier[4]明确设计为通过交叉比对CrossRef和OpenAlex等数据库来核查文献是否存在——它会将无法解析的DOI标记为“未找到”，但不会验证该来源是否支持其被引用的论点。这意味着用户可能为了一篇实际与其论点相悖的真实论文而获得绿色勾选标记。
更先进的系统CiteAudit[1]更进一步，将引文核查分解为论点提取、证据检索和段落匹配三个步骤。在采用最先进大语言模型进行的实验中，该系统仍发现了"大量引文错误"，这表明即便是最优秀的人工智能也难以确认被引用的文献是否真正支持其论点。因此，虽然存在性核查已较为可靠，但证据核查仍是一大挑战。
AI 能否可靠地判断一篇引文是否真正支持论点？
是的，但需注意重要前提。SemanticCite系统[2]引入了四类分类——支持、部分支持、不支持、不确定——用以捕捉主张与其来源之间的细微关系。该系统采用全文分析与多种检索方法，提供详细推理过程及相关文本片段。这显然比简单的存在性检查更进一步。
然而，SemanticCite自身的实验表明，经过微调的轻量级语言模型仅能达到“与大型商业系统相当”的性能——并非完美。而CiteAudit[1]发现，即便其包含推理与校准判断的多智能体流程，仍会在LLM输出中暴露出“大量引用错误”。证据表明，人工智能有助于标记问题，但用户不应盲目信任其能不经人工审核就确认证据的对应关系。
这对今天试图核实引文的人来说意味着什么？
对于在搜索引擎中输入引文的用户而言，实际要点是：利用AI工具快速核查参考文献是否存在，但切勿认为它们已核实过证据。[3]中描述的工作坊教授识别虚假引文的实操策略——这项技能依然至关重要，因为AI生成的引文看似合理，却可能完全是捏造的。
研究一致表明，最佳情况与典型情况下的表现存在差距。CiteAudit [1] 和 SemanticCite [2] 代表了前沿水平，但仍需人工监督。与此同时，像 citation-verifier [4] 这样更简单的工具在存在性检查上快速且确定，但完全不提供证据验证。这四项研究传达的信息相同：AI引文核查工具是有用的辅助手段，而非批判性思维的替代品。
关于这些来源
该回答基于4项研究（均为预印本）——发表于2025年至2026年，其中4项为2024年及以后——这些研究从4项通过质量筛选的研究中选出，作为最相关的内容，而后者又源自从超过5亿篇论文的数据库中检索出的40篇文献。
本文引用的文献
CiteAudit：你引用了，但你真的读过吗？——大语言模型时代科学引用验证基准
CiteAudit [1] 提出了首个针对幻觉引用的全面基准测试，发现即便是最先进的大语言模型在验证来源是否真正支持某一主张时，仍会产生大量引用错误；而其多智能体流程在准确性和可解释性上显著优于此前的方法。
SemanticCite：基于AI全文分析与循证推理的引文验证
SemanticCite [2] 利用全文分析及四类分类体系（支持、部分支持、不支持、不确定）来验证引用，结果表明，经过微调的轻量级模型在计算效率更高的同时，能够达到与大型商业系统相当的性能。
我们信赖（有时）的出处：AI时代如何验证引用
[3]中描述的工作坊提供了识别虚假AI生成引文的实用策略，强调ChatGPT、Gemini和Claude等工具可能凭空捏造不存在的参考文献，因此人工核实至关重要。
citation-verifier
citation-verifier [4] 是一个确定性工具，它通过交叉比对CrossRef、OpenAlex和Semantic Scholar来确认参考文献是否存在，但明确不验证该来源是否支持其被引用的主张。