图书馆如何识别 AI 生成的虚假参考文献

图书馆如何识别 AI 生成的虚假参考文献

学生让模型“给我十篇关于某主题的论文”，得到的书目可能作者、期刊和年份都像真的，却有几篇根本不存在。图书馆不能只做一次关键词过滤。系统先解析题名、作者、标识符，再去出版社、馆藏目录或权威索引核对；找不到不立即判假，旧书、地方期刊可能没有标准编号。

更难的是“文献存在，但被用错”。模型可能把研究甲人群的结论说成适用于乙人群，或忽略勘误和撤稿。馆员可让工具展示原文相关段落与限制，教读者亲自打开关键来源。对无法取得全文的材料，清楚写“只能核对书目信息，内容未核实”。

检查假文献可从几个硬字段入手：题名是否存在，作者与期刊是否对应，卷期页码或 DOI 是否有效，发表日期能否匹配。不能因为一个链接打不开就说文章不存在，也不能因为 DOI 格式漂亮就放行。馆员应允许手工核查旧报纸、会议论文和非英语资料，这些文献可能不在主流数据库。

学生更需要理解为什么会出现假引用。模型常根据主题生成一个“看起来应该存在”的题目，再把真实作者和虚构页码拼在一起。课程可让学生追一篇参考文献：先查书目，再看摘要，最后找到原文支持的具体句子。若找不到原文，就不要把它作为关键论据。

图书馆可把用户举报的假引用放进受控测试集，定期查新模型是否仍编造。检索页面不把未核文献直接导入引用管理器，标注状态并给人工咨询入口。考核不是抓到多少“AI 幻觉”，而是读者能否学会追到真实出处。

图书馆可为AI生成书目加“已核实”“仅发现条目”“未找到”的标记，避免未核资料直接进入论文。报告错误也应回收修复，尤其是被广泛复制的条目。

图书馆的引用核验界面不应只有红色“假”和绿色“真”。旧报纸、地方刊物或非英语文献可能因索引不全而查不到；此时显示“尚未核实”，并给馆员或其他目录的核查入口。对已经证实不存在的条目，保留常见错误写法，提醒后来搜索的人别重复引用。教学中允许学生承认找不到来源，比逼他凑足十篇参考文献更符合研究诚信。

假参考文献传播很快，因为格式整齐、主题贴切。馆员可在检索系统里提示“本条由生成工具提供，尚未找到原始出版记录”，并优先把已核实文献显示在前。若某条假引用已经出现在多篇作业或文章里，开展一次公开解释比悄悄删除更有教育价值。

一份书目值得信任，因为每个条目都能找到，而非因为它排版整齐。