学术圈惊现“幽灵文献”:AI炮制虚假引用,顶级期刊编辑也头疼

近日，学术出版行业媒体 Research Information 刊发文章《The fake citation landscape: examples from the wild》，围绕不断增加的“虚假引文”现象进行了讨论，并列举了多个已经出现在正式出版文献中的真实案例。

所谓“虚假引文”或“幻觉引文”，是指由AI生成、但实际上不存在，或关键信息存在明显错误的参考文献。这类问题近年来随着生成式AI工具在科研写作中的广泛使用而迅速受到关注。

文章中提到，有已发表论文曾引用题为《Momentum-space topology in materials》的文章，并标注其发表于 Nature Communications 2021年第12卷，但经核查，这篇文献实际上并不存在。

更麻烦的是，拼接型引文往往“看起来很真”：标题可能来自真实论文，作者、年份、期刊或DOI却被错误组合。对于作者、编辑和审稿人来说，如果不逐条核查，很容易被这种“格式正确”的错误引用误导。

这已经不只是个别案例。

近期一项发表于 The Lancet 的研究，对 PubMed Central 开放获取数据库中约250万篇论文、9710万条参考文献进行了自动化审计，最终识别出超过4000条伪造引文，涉及2810篇论文。

在AI辅助写作越来越普遍的今天，参考文献真实性核查，已经不再只是格式检查，而是论文投稿前需要认真对待的一道风险防线。

对作者来说，最现实的问题是：我怎么知道自己的参考文献有没有问题？

尤其是当论文写作中使用过AI工具，或参考文献经历过多轮整理、翻译、润色、格式转换后，很多错误未必能靠肉眼发现。

如果等到投稿后被编辑或审稿人指出，不仅会影响稿件评价，也会拖慢返修进度。

AiScholar 参考文献真实性检测

帮助作者和机构更早识别参考文献风险

检测入口：https://ais.cn/u/N7fUZb

或扫码了解并使用

👇👇👇

安全可靠：数据仅用于检测，不收录、不留痕

便捷快速：操作极简，24H自助，多条批量，秒级处理

轻量化高效：无需安装，在线即用，文本输入，即出报告

AiScholar 参考文献真实性检测，主要面向论文投稿前自查、返修前核验、期刊初筛、机构审核等场景，帮助用户快速发现参考文献中的真实性风险。

它不是简单检查格式，而是围绕“这条文献到底是否真实可靠”进行核验。

检测基于 Al Agent 驱动技术，支持权威多数据库 API 交叉比对，逐篇检测、智能区分、精准核验，提供报告在线查阅、报告下载服务。

01

权威多源交叉验证真实性

通过Crossref、OpenAlex、ORCID、中国DOI解析系统，中文文献数据库等多个国际权威数据库进行有效性验证和比对，包括智能识别真实文献、格式错误文献、虚构伪造文章。多源相互印证，避免单一库数据缺失导致误判。

02

元数据全维度逐字段比对

自动逐字段校验作者、标题、期刊、卷/期/页码、发表年份、DOI等全部引用信息，智能区分正常格式差异与真实错误，不误判、不漏判。

03

8类伪造类型智能识别

内置8类伪造类型识别引擎，自动定位问题点与伪造手法。

04

智能预审

✓ 可疑特征自动识别：检测异常作者姓名、可疑标题模式、格式不规范等预警信号。

✓ 中文期刊专项验证：针对中文期刊特点优化，覆盖多个国内数据库。

✓ 主题相关性评估：识别参考文献与目标论文研究主题的关联度。

检测完成后，系统会生成报告，帮助用户定位问题条目，并给出相应修改建议，便于投稿前及时修正。

AI可以帮助科研写作提效，但AI生成的内容，并不天然等于真实、准确、可靠。尤其是参考文献。

每一条引用，都是论文可信度的一部分。投稿前多做一次参考文献真实性检测，不只是为了减少返修，更是为了守住学术成果的基本可靠性。

AiScholar 参考文献真实性检测

检测入口：https://ais.cn/u/Efmaey

或扫码了解并使用

👇👇👇

首次免费，欢迎体验