Source or It Didn't Happen: A Multi-Agent Framework for Citation Hallucination Detection
本文介绍了 CiteTracer，这是一个多智能体框架，它将引用幻觉检测重新定义为一种分类法对齐的领域级裁决任务，通过结构化提取、多源证据检索以及专门的智能体推理，实现对科学参考文献的高精度验证。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下，你正走在一座宏伟而繁忙的图书馆里，这里的每一本书都是一篇科学论文。在这座图书馆里，最重要的不仅仅是书中的故事，而是它们留下的“面包屑”——引用。这些是些小小的笔记，上面写着：“我的这个想法来自那边的某本书。”它们是让其他探险家找到原始宝藏的地图。但最近，一位新型的图书管理员来到了这里：一个能比任何人写故事都快的超级聪明的机器人。问题在于，这个机器人有时因为太兴奋于讲述一个好故事，以至于它发明了自己的面包屑。它可能会写下一个听起来很真实的标题、一个听起来很著名的作者，或者一个符合逻辑的年份，但如果你试图走向那个书架，那本书根本不存在。这就是一种“幻觉”——一个看起来很真实，直到你核实事实为止的动听谎言。
这是一件大事，因为科学运行在信任之上。如果研究人员无法找到论文声称使用的来源，整个证据链就会断裂。直到现在，旨在捕捉这些虚假面包屑的工具就像是夜总会的保安，只遵循一条简单的规则：“要么进来，要么出去。”它们会检查一本书是否存在，但如果这本书的名字稍有不同，或者作者的名字拼写有点奇怪，保安就会感到困惑，从而让一个假的进来或把一个真的赶出去。它们无法区分拼写错误、绰号和完全的捏造。
于是，诞生了 CITETRACER，这是一个由研究员 Mingzhe Li、Zhiqiang Lin 和 Shiqing Ma 打造的数字侦探团队。他们不再仅仅询问“这是假的吗？”，而是创建了一个更聪明的系统，它会询问：“到底哪里出了问题？”他们意识到引用是由不同的部分组成的——比如标题、作者、年份和出版商——而且其中一部分的错误并不总是意味着整个东西都是谎言。
为了解决这个问题，该团队建立了一套 12 条规则手册。把它想象成一名交通警察，他不仅仅是说“停”或“走”，而是可以给你开出一张具体的罚单：“你超速了”、“你闯了红灯”或“你忘了带驾照”。他们的系统将引用分为三个主要类别：真实（完美或仅有一点点混乱）、潜在（看起来还可以，但需要再看一眼，比如绰号或非学术来源）以及幻觉（完全捏造）。
这些侦探们进行着一场四步接力赛。首先，一个**引用提取器（Reference Extractor）充当高科技扫描仪，读取 PDF 中的杂乱文本，并将其转化为干净、有序的事实列表。接着，一个级联证据收集器（Cascading Evidence Collector）**进行一场寻宝游戏。它首先检查快速记忆缓存，然后追踪直接链接（如 DOI），接着询问专门的学术数据库，最后在必要时进行广泛的网络搜索。这就像是先查自己的笔记，然后给作者打电话，再查图书馆目录，最后询问全镇的人。
一旦他们收集到了证据，一个**字段匹配器（Field Matcher）就会逐一、逐件地将机器人的主张与真实事实进行对比。如果标题匹配但年份不对，它就会标记出仅仅是年份的问题。最后，如果情况复杂，一个类别专家评审团（Class-Specialist Judgers）**就会介入。这些是专门处理不同类型错误的专家法官。一位法官处理“真实但混乱”的案例，另一位处理“可能是真的”的案例，第三位则处理“完全造假”的案例。
团队在他们自己创建的 2,450 个虚假和真实引用组成的巨大游乐场上，以及 957 个已经被会议组织者发现的真实世界虚假引用案例上测试了他们的系统。结果令人印象深刻：CITETRACER 在其测试集上的准确率达到了 97.1%。它特别擅长识别那些棘手的“虚假”案例（准确率 98.5%）和“可能”的案例（准确率 95.8%），远胜于那些只会猜测“是”或“否”的其他工具。当他们在实际会议论文的真实混乱情况中进行测试时，它捕捉到了 97.1% 的伪造参考文献，且没有放弃任何一个。
简而言之，这篇论文表明，通过将问题分解为微小的、具体的碎片，并使用专业团队而非单一的通才，我们可以以更高的精度抓住机器人的谎言，将模糊的“也许是假的”变成清晰的“这里究竟出了什么问题”，从而帮助保持科学图书馆的诚实。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。