引用与核查：AI 给的出处要自己走一遍

本文性质： 观察 + 实证（Observation / Evidence）　证据标签： 观察 Observation／模型 Model／假设 Hypothesis／实证 Evidence

本篇涉及的证据类型：观察 Observation／实证 Evidence／假设 Hypothesis。凡属本院课堂观察与教学模型的部分，均不作效果承诺。

让 AI 找一段研究的出处，它常常给出一个格式规整、期刊名眼熟的引用。问题是，格式规整和真实存在是两件事。核查的成本，正在成为使用 AI 的一项固定成本。

格式规整与真实存在是两件事

本院在整理研究述评时遇到过一次典型案例：一份看起来很完整的文献清单里，三条引用的期刊卷号对不上，一条的作者与年份组合查不到，逐条回溯花了将近一个小时。这不是个例，而是生成式模型的常见行为：语言模型的目标是生成通顺的文本，不是维护一个可查询的数据库。把通顺当成准确，是使用中最容易犯的错。

幻觉研究与横向阅读

Ji 等 2023 年对自然语言生成中的幻觉做了系统梳理，把虚构引用、事实错配、来源混淆归为不同类别的失真，并指出单纯依靠模型自检难以根除。Wineburg 与 McGrew 2019 年研究专业事实核查者的做法时提出了横向阅读：不深耕单个页面，而是离开当前页面去看别人怎么说这个来源——这个方法对 AI 给出的引用同样适用。需要说明的是，这两项研究都不是针对中文学习者设计的，迁移到本院场景属推理，未经本院实验检验。

本院的三步核查法

本院资源编辑部对带引用的稿件执行三步核查。第一步查存在：用期刊名加年份加标题去检索，至少找到一条能打开的原文。第二步查内容：原文是否真说了被引用的那句话。第三步查强度：原文是实验、元分析还是综述，能不能支撑文中给出的结论强度。三步过不完，就改成不加数字的表述——宁可少一个出处，不可错一个出处。

核查的时间成本必须计入计划

第一，核查需要时间，写一篇一千五百字的文章可能要多花二十分钟，这个成本必须计入计划。第二，中文文献的线上可见度参差，查不到不等于不存在，要区分查不到与对不上。第三，AI 给不出处时顺手编一个出处，是最严重的错误，一旦进入公开内容就无法收回。

今天就能开始

从今天起，凡是从 AI 那里拿来的出处，先搜一次能不能打开原文；打不开的，就先删掉。

本文依据

• 观察来源： 本院研究述评整理过程中的实际记录：一份 AI 提供的文献清单中多条卷号或作者年份无法核验。
• 模型出处： 查存在／查内容／查强度三步核查法，为本院资源编辑部内部编辑规范。
• 待验证项： 横向阅读方法迁移到 AI 引用核查的有效程度，未经本院实验检验。
• 外部文献： Ji 等 2023（ACM Computing Surveys 自然语言生成幻觉综述）；Wineburg & McGrew 2019（Teachers College Record 横向阅读与事实核查）。