用基于文献的 AI 避免虚假引用
幻觉参考文献在你要核验之前看起来完全合理。
大模型可生成看似完美的引用——正确期刊、逼真作者列表、可信年份——却仍然错误。Flowing 不能取代人工判断，但将 AI 输出转向你导入 PDF 中的片段，使你针对真实文本核验主张。
要点
- 虚假引用（幻觉参考文献）是 AI 在无真实来源时写作的已知风险。
- Flowing 将论文库片段附加到索文、提问、润色与续写建议。
- 证据卡片让你在接受文本前打开导入 PDF 中的被引片段。
- PDF 论文库保存在本地；仅本次请求附加的上下文会发送给 AI 处理。
- 人工审阅仍然必要——Flowing 让核验更快，而非可选。
实践中「虚假引用」指什么
失败模式不总是完全捏造的论文。有时论文存在，但模型误述结论、引用文中没有的数字，或将两项研究混为一条主张。通用聊天容易出错，因为句子与你可审计的特定片段之间没有内置链接。
论坛上研究者常称这些为「幽灵引用」——草稿里看起来正常，一搜论文库或打开 PDF 就站不住。
Flowing 如何改变核验闭环
使用关键词索文或带着上下文提问时，Flowing 从你导入论文库中的片段出发。建议以关联到这些片段的卡片形式出现。在接受改写或续写前，你可跳到原文确认主张与作者表述一致。
这一「建议 → 关联 → 核验 → 接受」闭环比盲目从聊天复制慢，但远比导师批注后才追查幻觉引用快。
好习惯仍然重要
基于文献的 AI 不能替代你自己阅读。导入你将依赖的论文，附加正确的上下文芯片，最终参考文献仍用你信任的工具管理（许多人将 Flowing 与 Zotero 搭配）。
当引用必须经受审查时用 Flowing；头脑风暴、不对具体来源承诺时用开放聊天。