​科研界的“幻觉杀手”：OpenScholar 模型诞生，引文准确率比肩人类专家

针对AI模型在学术领域普遍存在的“编造论文”难题，华盛顿大学与艾伦人工智能研究所（AI2）的研究团队带来了突破性解决方案——正式发布开源人工智能模型OpenScholar。该模型在整合前沿研究时表现卓越，不仅引文准确率大幅提升，其生成内容的质量甚至得到了过半数人类专家的青睐。

长期以来，即便是 GPT-4o 这样的顶尖模型，在处理学术引用时也面临高达 78% 至 90% 的“幻觉”率。为了攻克这一痛点，OpenScholar 另辟蹊径，建立了一个包含 4500 万篇学术论文的庞大检索库。通过先进的检索增强生成（RAG）技术，该模型能够实时查阅最新发表的文献，并以标准规范的引用格式输出答复，彻底告别了“一本正经胡说八道”的尴尬。

在严格的 ScholarQABench 基准测试及专家双盲评审中，OpenScholar 的表现令人惊艳。测试结果显示，在 51% 的测试案例中，科学家们更偏向于选择 OpenScholar 生成的答复而非人类专家撰写的内容。如果将其引用机制与 GPT-4o 结合，专家的偏好率更是直线飙升至 70%。

目前，OpenScholar 的代码、数据集及演示版本均已向社会开放，不仅为科研人员提供了强有力的工具，也为构建透明、可靠的学术 AI 生态树立了新标杆。该团队表示，未来还将继续迭代，推出支持多步骤检索与信息聚合的新模型，进一步赋能科学研究。