科学研究离不开对既有文献的准确掌握；然而，随着全球科研论文发表量快速攀升，研究人员面临巨大的信息处理压力。传统文献综述方式越来越难以应对，而通用大语言模型虽然带来便利，却暴露出明显的准确性隐患。报道指出，GPT-4o在文献引用中出现幻觉的概率高达78%至90%，这使研究人员不得不花费大量时间核对引文真伪，甚至可能被错误信息带偏，进而影响科研效率与研究质量。为应对这个问题，华盛顿大学研究团队提出了更有针对性的技术路线。他们开发了检索增强型语言模型“OpenScholar”，面向科研任务进行定制。其关键做法是将模型与一个覆盖4500万篇最新开放获取论文的专业数据库结合，并引入自我评估机制，以提升输出的可用性与可靠性。研究团队同时推出“ScholarQABench”基准工具，用于更系统地评估自动化文献综述的质量。实验结果显示，“OpenScholar”整体表现优于现有系统。在准确率上，该模型比GPT-4o高6.1%，比专业文献综述工具PaperQA2高5.5%。更值得关注的是，在50%至70%的情形下，“OpenScholar”生成的答案被认为比专家注释器的答案更具实用价值，显示出其在科研场景中的可用性；同时，引文幻觉显著减少，让研究人员在文献梳理时更容易建立信任与依赖。研究团队也表示，“OpenScholar”虽取得明显进展，但仍有边界：基于语言模型的系统无法实现文献综述的完全自动化。尽管如此，他们选择以开放方式推进改进，同步向学术界开放“ScholarQABench”和“OpenScholar”，希望吸引更多研究者参与优化。这种开源共享有助于形成更广泛的协作与监督，推动工具持续迭代。更深层面看，“OpenScholar”的出现也指向科学工具的一种转向：与其追求“万能”的通用模型，不如围绕科研真实需求打造更专业、可核查的工具体系。从“广覆盖”走向“精准服务”，反映出人工智能在学术应用上的思路正在趋于务实与成熟。
在文献数量迅速增长的时代，科研竞争不仅是“谁提出新问题”，也越来越是“谁能更快、更准地把已有证据组织起来”；降低引文幻觉、提升可核查性，意味着科研辅助工具正向可信与透明迈进。开放模型与开放评测的结合，为学界共同改进、共同监督提供了条件。把“可验证”放在首位，或将成为科研工具发展的重要方向，也将为更高质量的科学发现留出更多时间与空间。