深度分析
大型語言模型引發的引用幻覺：2025 年頂會論文檢測結果與 RefChecker 分析
大型語言模型在學術寫作中常產生虛構引用，研究者開發RefChecker以自動驗證參考文獻。結果顯示2025年近五分之一的NeurIPS與USENIXSecurity論文包含至少兩筆可能的幻覺引用，且此現象在ChatGPT推出後顯著上升的趨勢。
深度分析
大型語言模型在學術寫作中常產生虛構引用，研究者開發RefChecker以自動驗證參考文獻。結果顯示2025年近五分之一的NeurIPS與USENIXSecurity論文包含至少兩筆可能的幻覺引用，且此現象在ChatGPT推出後顯著上升的趨勢。
深度分析
研究指出，大型語言模型在僅靠參數記憶生成學術引用時，常產生看似合理卻錯誤的參考文獻。作者建立涵蓋50個電腦科學主題、八種引用格式與多款模型的大規模驗證集，逐欄位（作者、標題、會議/期刊、年份、DOI）驗證每筆引用，發現作者欄位最易出錯。