夜雨聆风一篇带引用的文献综述，专家平均要写1小时，而AI只需几分钟，质量还更胜一筹。
"最近在某某XX领域有什么新进展？"这是每个科研人日常的困惑。面对海量文献，手动检索、阅读、整理、撰写综述，耗时耗力。但现在，AI正在改变这一切。
2026年2月《Nature》杂志发表了一项突破性研究，介绍了OpenScholar系统：一个专门为科研文献综述设计的AI助手。令人惊讶的是，在专家评估中，OpenScholar生成的回答有51%-70%的时间被认为比专家亲自撰写的更好。
01 科研痛点，AI破局
科学进步依赖研究者对日益增长的文献进行综合。然而，出版物快速增长让研究人员越来越难以掌握最新动态。
传统大语言模型如GPT-4o虽然强大，但在科学文献任务中存在明显缺陷：78-90%的情况下会编造虚假引用，依赖过时的预训练数据，且缺乏准确归因。
研究团队发现，当要求GPT-4o引用计算机科学和生物医学等领域的近期文献时，它大部分引用的论文根本不存在。
02 OpenScholar：专为科研打造的AI系统
OpenScholar是首个完全开源的检索增强语言模型，专门为科学研究任务设计。它的核心创新包括：
4500万篇论文的专属数据库：构建了包含4500万篇开放获取论文、2.36亿个段落嵌入的数据存储库，为训练和推理提供可复现的基础。
智能检索与重排序：使用训练过的检索器和重排序器从数据库中查找相关段落，确保找到最相关的文献。
自反馈迭代生成：通过自我反馈循环迭代优化回答，提高事实准确性、覆盖范围和引用精度。
研究团队还创建了ScholarQABench基准测试，包含2967个专家编写的问题和208个长格式答案，覆盖计算机科学、物理、神经科学和生物医学多个领域。
03 超越现有工具，媲美人类专家
在严格的评估中，OpenScholar表现出色。尽管是较小的开放模型，OpenScholar-8B在正确性上比GPT-4o高出6.1%，比PaperQA2高出5.5%。
更令人印象深刻的是引用准确性。GPT-4o在没有检索增强的情况下，78-98%的引用标题是编造的，而OpenScholar实现了与人类专家相当的引用准确率。
在人类评估中，专家们51%的时间更偏好OpenScholar-8B的回答，70%的时间更偏好OpenScholar-GPT-4o的回答，而普通GPT-4o只有32%的时间被偏好。
04 不只是替代，更是增强
OpenScholar不仅能独立工作，还能增强现有模型。当使用GPT-4o作为基础模型时，OpenScholar-GPT-4o比单独使用GPT-4o的正确性提高了12%。
研究还发现，OpenScholar系统在答案正确性和引用准确性方面匹配甚至超越了专家人类。专家分析显示，OpenScholar倾向于生成比人类或其他基线系统更全面的回答，引用了更多论文，这在答案长度和引用数量上都有体现。
05 局限与未来
尽管表现优异，OpenScholar仍有改进空间。专家评估者指出，它并不总能检索到最具代表性或最相关的论文。基于8B模型的版本在遵循指令和科学知识方面能力有限，可能包含事实不准确或未经支持的信息。
研究团队已开源所有成果，包括代码、模型、数据存储、数据集和公开演示。自推出以来，公开演示已被3万多名用户使用，收集了近9万个跨不同科学领域的用户查询。
OpenScholar的公共演示界面简洁，科研人员输入问题后，系统会显示检索到的相关论文，并生成带引用的详细回答。一位生物信息学研究者试用后表示："这比我手动查文献快多了，而且引用的都是真实存在的论文。"
研究团队在论文最后强调，他们并不声称基于LM的系统能够完全自动化科学文献综合。相反，他们发布ScholarQABench和OpenScholar是为了推动这一领域的研究。
随着科学文献继续指数级增长，AI辅助的文献综述可能成为每个科研人员的标配工具。但最终的判断、整合和创新，仍然需要人类研究者的智慧与洞察。
文献来源：Asai, A., He, J., Shao, R., Shi, W., Singh, A., Chang, J.C., Lo, K., Soldaini, L., Feldman, S., D’Arcy, M., Wadden, D., Latzke, M., Sparks, J., Hwang, J.D., Kishore, V., Tian, M., Ji, P., Liu, S., Tong, H., Wu, B., Xiong, Y., Zettlemoyer, L., Neubig, G., Weld, D.S., Downey, D., Yih, W.-t., Koh, P.W., Hajishirzi, H., 2026. Synthesizing scientific literature with retrieval-augmented language models. Nature 650, 857-863.
免责声明：本推送为个人理解，仅作个人学习交流用途。因水平有限，难免出现错误，如有侵权，请联系删除。
往期荐读：
你的AI用法还在第一层？别再用AI只改语法了！Nature论文揭示学术写作的5个AI段位”（附AI写作提示词）
