Nature | 告别AI幻觉！OpenScholar如何用4500万篇论文重塑科研综述？

当前大语言模型在处理科学文献时存在严重的“幻觉”问题，捏造的参考文献比例高达90%以上，这给科研工作带来了巨大风险。一项发表于《Nature》的研究展示了名为OpenScholar的新系统，它通过检索增强生成技术，不仅回答科学问题的能力超越GPT-4o，更将引用文献的准确率提升至人类专家水平，有望终结AI在科研领域的信任危机。

智能速览

• GPT-4o在生物医学领域捏造了近95%的参考文献

• OpenScholar通过检索增强技术，将引用幻觉率降至0%

• 一个8B参数的开源模型在科研问答上超越了GPT-4o

• 其推理成本仅为商业方案的百分之一到七百分之一

• 在盲测中，专家认为AI生成的综述质量媲美人类专家

精华内容

为何现有AI模型在科学文献上频频“一本正经地胡说八道”？其根源在于依赖不可靠的参数化记忆。OpenScholar则另辟蹊径，通过模拟人类专家的研究流程，构建了一套严谨的架构，从根本上解决了这一难题。

AI的信任危机

架构的艺术

小模型逆袭

人机新范式

OpenScholar的出现不仅是技术上的突破，更是一次开源精神的胜利，它将强大的科研能力普及到每一个拥有普通显卡的实验室。未来，科研的竞争不再是“谁读的论文多”，而是“谁能从已知中洞察未知”，人机协作将开启新篇章。