你敢相信吗？一篇发表在Springer Nature旗下期刊Digestive Diseases and Sciences上题为《From Surgery to Strength: The Case for Mental Health Integration in Ileostomy Care》的论文，被偶然发现其引用的14条参考文献，12条无法查证！

这是真实发生的事情，撤稿观察网（Retraction Watch）在2026年3月6日报道了这一新闻。事情的起因是一位研究者请求图书管理员帮助查找一篇文章的引文，但图书管理员不仅无法找到这篇引文，随后还发现这篇论文中大部分引文都是不存在的。论文作者称错误提交了草稿，后续提供了第二版参考文献，但仍有大量错误文献。据报道称该作者最后提供了第三版参考文献列表，核查结果显示这份列表包含的25项文献真实存在。

目前期刊官网显示该文章依然是14条引用，其中第5和10条引用可查，其余12条仍无法查证。

AI时代要警惕“幽灵引用”

作者称这篇论文历时五年完成，每个观点都有已发表文献支撑。她承认在撰写过程中使用了包括AI在内的多种工具，而且“清楚这类工具存在产生虚假参考文献的已知风险”。但当第一次14条引文12条不存在，作者称是错误提交了草稿版本，第二次提供的版本依然存在大量不存在的引文，这又该如何解释呢？

其实懂的都懂，一两篇引用不准确可以理解，但是一多半都是不存在的引文怎么可能呢？大家都理解学术论文写作是一个充满时间和精神压力的过程，不仅要大量阅读文献，还要做实验、分析数据，最后才落实到文字上，写完之后需要一遍又一遍校对修改。

随着AI工具的崛起，越来越多的科研工作者也尝试借助AI工具来辅助整理文献或生成初稿。但问题在于大家太过于相信AI的强大和准确性，没有对它提供的材料进行严格的审查，导致出现这样一种情况：AI提供一堆看起来非常合理的引用，包含作者名称、文章题目、期刊名称、出版日期等完整信息，作者不经查验就照搬到论文中。

殊不知，AI有时更像一个狡猾的“裁缝”，东拼西凑提供你想要的答案，至于是否科学、合理、准确、可验证，那就看你是否较真。

这种现象并不难理解，因为大型语言模型在生成文本时，本质上是根据语言模式进行概率预测。当系统试图生成“看起来像真实论文”的参考文献时，它往往会组合作者姓名、期刊名称和研究主题，形成一个结构上合理但实际上不存在的引用。

这种现象在过去两年已经被系统性研究过，2026年的论文《GhostCite: A Large-Scale Analysis of Citation Validity in the Age of Large Language Models》就大规模分析研究调查了大型语言模型生成参考文献的准确性。研究者发现，不同模型生成的引用中，虚假引用比例在14%到94%之间，差异非常大，但无一例外都存在问题。

我们不知道这位作者用了哪种大模型，但完全有这样一种可能：她提交的初稿引用是正确的，但在请AI审阅或提供修改建议时，AI 顺手把她真实的引用替换成了虚假的。

个人看法

引文的准确和真实对于学术论文的重要性不需过多赘述，以前期刊编辑和审稿人都默认引文不需要检查，因为几乎没有投稿者会冒险编造不存在的引文，但是这种长久以来形成的信任机制随着AI工具在学术写作领域的广泛使用可能被慢慢腐蚀破坏。

随着AI时代的到来，科研工作者借助AI工具更高效地完成科研、写作等工作有何不可？但是也应警惕大模型在生成数据时夹带私货。提高个人的科学素养，逻辑判断，信息筛选的能力在AI时代显得尤为重要。

除了警惕“幽灵引用”，在使用AI工具润色论文时还有许多细节需要注意，北京艾迪润色（EditorBar）专门总结了AI润色常见的问题（可参考《AI润色细节错误自查表》一文）。AI在润色的效率和费用方面显示了独特的优势，但使用者需要更加严谨地筛选信息，才能让AI成为“助手”而不是“陷阱”。

（转载请注明本文来自EditorBar中文官网：https://www.editorbar.com）