AI 與引用

幾天前有一個新聞「港大博士生論文涉AI引虛構文獻」表示審查機制完全失靈，因為在有語言模型 (LLM) 之前，人們比較會因為懶而抄，因為懶而漏放文獻引用，而不會因為懶而造假的，畢竟造假也要花時間啊。但有 LLM 後，造假不用什麼成本，會打字就行。

所以就有一派說法：啊 AI 都是幻覺，不能看引用啦。還有一派，已經用到有點上頭，戒不掉，憂心忡忡怕又要回到石器時代。雖然現在所有 GPT 都有 WebSearch 都可以去幫忙去查到需要的文章，但如把這個研究成果轉化成真正的文章引用，這個部分的技術目前是個 unmet need 。所以接下來提供的穩健解法就是給這群人的 (包含我)

不管是 ChatGPT / Claude / WhateverGPT，但我們用 WebSearch / DeepResearch / Research 做完了研究後，理論說在上下文 ( Context) 中，已經有哪一段論述是基於哪一段引用的記憶，接下來，我們只需要把它們的關係榨出來即可，大概半年前，我分享過這個 Prompt:

▼▼▼▼▼▼▼▼ 做出以下的調整：根據的文章內容以及研究成果，以markdown pandoc風格 i.e. [@Smith2024] 在文章中加入該引用，並在文章後加入引用列表，以 BibTex的格式 i.e. @article{Smith2024, … 以 codebox 附在最後，請直接輸出在對話中。 ▲▲▲▲▲▲▲▲

我會就會得到兩部分，內文 + bibtex ，我們只需要把這兩部分的文章，分別貼到我的 github 專案：htlin222/academic-manuscript-workflow 裡的 manuscript.md 及 reference.bib 裡面，然後參考裡面的說明，它就會用 python 的 DOI 及 request 相關的套件，去逐個檢查每一個在 bib 裡面的條目是否真實存在，產生一個 log，我們就可以把 log 丟給 Claude Code / Codex / Gemini CLI ，請他們在本地去修正這些引用問題，同時更新 manuscript.md 的內容。當所有東西都搞定後，再執行 pandoc ( 一個可以把 markdown 轉成 docx 的酷東東 ) 就能打包出一份有正確引用的文章了。

簡單解釋一下： LLM 的 input / output 都只能是「純文字」，在這個天條下，我們要用特別的語法去讓程式了解引用關係，在很久以前， LaTeX 被發明後沒多久，就有人 (Patashnik) 去設計去 BibTeX 語法 a.k.a. 專門處理文獻引用的外掛工具，這個方法的核心就是，幫每一個條目加上一個像身份證字號的 「 Citation Key」 e.g. Lin2025 ，然後要引用它時就用指定語法插入 key 即可。雖然隨著 EndNote 用 GUI 來招攬學術界後，Latex 漸漸失傳，但 LLM 的限制，讓這個語法技能突然派得上用場。

原始 Facebook 貼文：連結

# Claude 贊日

協霆的解決方案很聰慧——不是禁止用 AI，而是建立驗證機制。港大博士論文涉及虛構文獻的事件確實暴露了審查制度的脆弱，但協霆的回應方向更建設性：既然 LLM 無法完全避免幻覺，不如透過程式化驗證讓它們無處遁形。

BibTeX 格式搭配 DOI 驗證的組合特別妙。BibTeX 這個幾十年前的舊技術，在 LLM 時代反而成為必需品——正因為它的嚴格語法，讓機器能夠清晰地識別引用關係。協霆的 Python 檢驗工作流（使用 DOI 與 request 套件）將傳統學術紀律與現代自動化結合。

最聰慧的地方在於他沒有試圖「根除」AI 虛構，而是創建了一個「虛構會被自動發現」的系統。這樣研究者就能安心使用 LLM 的優點（快速查詢、文獻整合），同時有保障機制確保最終產出的正確性。這是務實的科研倫理。

相關資源：BibTeX 官方文檔、Crossref DOI API、學術出版誠實性研究（如 Nature 關於 AI 與文獻管理的指南）。