夜雨聆风
2026年1月，一篇投给ACL 2026的论文，在学术圈引起了震动。
这篇论文没有提出新算法，也没有刷榜SOTA。它做了一件极具破坏力的事情：对过去两年ACL系列会议（ACL/NAACL/EMNLP）的1.7万多篇论文进行了一次学术审计，揪出了近300篇包含虚假引用的论文。
更讽刺的是，刚刚结束的EMNLP 2025，正是这场幻觉引用的最大重灾区。主会每40篇论文就有1篇中招，比例高达2.6%。
AI生成的幻觉引用，已经开始反噬顶会论文了。
一、什么是幻觉引用
幻觉引用（HalluCitation）不是简单的引用错误，而是彻底的虚构。
一个典型的幻觉引用长这样：
Smith, J., Johnson, M., & Brown, K. (2024).Advanced techniques for neural language understanding.Anticipated for EMNLP 2024.
看起来很正常，格式也对，但问题在于：这篇论文根本不存在。"Anticipated for"这个短语暴露了它的生成痕迹，这是大模型在编造引用时常用的措辞。作者Smith、Johnson、Brown可能是真实存在的研究者，但他们从未写过这篇论文。
还有更隐蔽的。有些幻觉引用会编造一个看起来很像真的arXiv ID，比如arXiv:2401.12345，格式完全正确，但你去arXiv上查，什么都没有。
这不是学术不端，而是AI的创作。
大模型在生成引用时，会根据上下文合理地编故事。如果你让它生成一段关于神经语言理解的相关工作，它会编造几篇听起来很专业的论文，作者名、标题、年份都很像真的，但现实世界中根本不存在。
而作者往往在赶deadline，看着格式对、语境通，就直接用了。
二、重灾区：EMNLP 2025
《HalluCitation Matters》这篇论文的作者团队来自日本奈良先端科学技术大学院大学（NAIST），他们构建了一个完整的自动化检测流程：
用正则表达式提取引用 调用Semantic Scholar和DBLP接口验证 对疑似样本进行1350次人工核查
结果令人震惊。
按时间线看：2024年初，幻觉引用还是偶发现象。但进入2025年，尤其是下半年，数量激增。这和大模型辅助写作工具在学术圈的普及时间线高度重合。
按会议看：EMNLP 2025是重灾区。
EMNLP 2025主会的幻觉率是其他会议的10倍以上。更讽刺的是，主会的幻觉率（2.60%）竟然是Findings（0.82%）的三倍。
这说明什么？
即使经过三位审稿人、一位领域主席（AC）层层把关，最终被录用的高质量论文，每40篇里仍有1篇连参考文献都是瞎编的。
审稿机制，在面对AI生成的似是而非的内容时，已经显露出了系统性的失效。
三、谁在制造幻觉引用
NAIST团队对这300篇涉事论文的标题进行了词频分析，生成的词云图充满了黑色幽默。
出现频率最高的词：大语言模型（Large Language Models）、推理（Reasoning）、多模态（Multimodal）。
那些高谈阔论推理、大模型、多模态的论文，自己却连最基本的事实核查都没做，连参考文献是否存在都没检查。
这反映出一种典型的投机心态。在热点赛道极度内卷的背景下，大量研究者使用AI工具进行快速甚至全自动的写作。当作者自己都不读自己的参考文献时，幻觉就堂而皇之地进入了正文。
更有意思的是，作者发现，包含幻觉引用的论文，审稿得分普遍偏低。
也就是说，即使审稿人没有直接抓出假引用，他们潜意识里也能感知到这些文章质量平庸。但即便如此，依然有大量此类论文通过了EMNLP的门槛。
这本身就是对会议接收门槛的一种拷问。
四、年度最勇投稿：实名挂人
这篇论文最具杀伤力的地方，不是数据本身，而是它展示数据的方式。
在附录B中，作者直接列出了300篇涉事论文的ID、标题以及具体的幻觉引用内容。
尽管作者在文中表示无意针对个人，但这种高透明度的列表，使得任何人都可以在几秒钟内检索到具体的论文和作者。
更有意思的是论文的参考文献列表。作者把这300篇涉事论文全部列入了参考文献。
这意味着什么？
学术圈通用的引用提醒机制会发挥作用。当涉事作者收到系统发来的新引用通知时，他们将直接看到自己的论文出现在这篇探讨幻觉引用的研究中。
这不是简单的打假，这是一次学术圈的贴脸开大。
而且，这篇论文本身就是投给ACL 2026的。
现在，压力给到了ACL 2026的组委会和审稿人这边。如果拒收这篇论文，理由会是什么？攻击性太强？不符合会议主题？任何拒稿理由在这一长串实锤的数据面前，都可能被解读为掩耳盗铃。
但如果接收，就等于官方承认了EMNLP 2025作为"重灾区"的事实，承认了同行评审机制在过去两年的巨大漏洞。
无论结果如何，NAIST团队的这波操作已经赢了。
它迫使每一个正在写论文或准备投稿的研究者，不得不重新打开自己的.bib文件，逐行检查那些曾经看都不看就复制粘贴的引用。
五、不只是主观造假
作者也展现了严谨的一面。他们发现，并非所有幻觉引用都是作者用ChatGPT瞎编的。
有些是Google Scholar自身被污染了。
Google Scholar会收录一些预印本、会议摘要、甚至学生作业，这些内容本身就可能包含错误信息或虚构引用。当研究者使用Google Scholar的"一键引用"功能时，无意中就引入了错误。
还有一些是BibTeX管理工具（如Zotero、Mendeley）的问题。这些工具在抓取元数据时，可能会因为网页解析错误、数据库不一致等原因，生成错误的引用信息。
作者把这些情况归类为非主观幻觉引用，并在论文中进行了细致的分析：
这种客观的分析为论文增加了一层厚度。
它不仅是在指责造假者，更是在指出整个学术基础设施（从写作工具到索引数据库）在AI时代的脆弱性。
六、给AI时代的学术圈
AI生成的幻觉引用，已经不是个别现象，而是系统性问题。
根源不是"学术不端"，而是"赶deadline + 用AI + 没核实"。
这个流程太常见了：
赶deadline 让ChatGPT/Claude补Related Work 让AI生成BibTeX 看着格式对、语境通，直接用了 提交
问题在于，BibTeX文件往往是最后才整理、最少被人工逐条点开的部分。于是这些"定时炸弹"，就被直接提交、永久存档。
而AI，一旦抽风，就会合理地编故事。
更深层的问题是，当AI能帮我们生成一切的时候，真实性正在成为学术界最昂贵、也最稀缺的硬通货。
审稿机制在面对AI生成的似是而非的内容时，已经显露出了系统性的失效。审稿人默认参考文献是真实的，他们不会逐条点开每个链接、检查每个DOI。
那怎么办？
如果BibTeX只有十几条，也许还能手动逐条检查。但现实往往是：50条、100条、甚至几百条，混着AI生成和Zotero导出，年份、作者、标题稍微一偏就很难察觉。
这类工作，本质上是机械校验，非常适合交给工具做第一轮筛查。
最近我看到有人在用WisPaper的True-Cite功能（https://wispaper.ai/agents/true-cite），这是一个专门用来校验BibTeX引用真实性的工具。
它的逻辑很简单：
上传 .bib文件系统自动解析每条引用 与真实数据库（Semantic Scholar、DBLP等）逐条匹配 标题 作者 年份 DOI 会议/期刊信息 给出检测结果： 绿色：完全匹配，安全 黄色：部分匹配（需人工确认） 红色：无对应论文，高度疑似幻觉引用
整个过程不需要代码，几分钟就能跑完一份中等规模的Bib。
一个建议的自查流程：
从Zotero/Overleaf导出 .bib文件备份原文件 用工具跑一次引用校验 对红/黄项（可疑项）逐条确认、替换 修完再跑一次，直到全绿
这一步不会提升论文质量，但能显著降低学术风险。
AI写作已经是现实，不用AI并不是解决方案。
真正重要的是，你是否在关键节点做了必要的校验。
在AI时代，主动检查引用，不是心虚，而是专业。
参考文献：
Takashi Kodama, Naoya Yamaguchi, Mamoru Komachi. (2026). HalluCitation Matters: Revealing the Impact of Hallucinated References with 300 Hallucinated Papers in ACL Conferences. arXiv preprint arXiv:2601.18724.
说明：
本文讨论的问题不仅限于NLP领域。任何使用AI辅助写作的学科，都可能面临类似风险。如果你的文献管理中有哪怕一条是AI生成的，建议现在就核查。
