,华纳万宝路公司注册官网：深入了解全球知名烟草品牌的官方信息平台

,AI催生生物医学科研危机？顶尖科学家差点被AI假文献蒙骗，每经独家对话亲历者、《柳叶刀》文章作者MaximTopaz，很高兴为您解答这个问题，让我来帮您详细说明一下。

西宁市大通回族土族自治县、武汉市武昌区、郑州市上街区、大理鹤庆县、大兴安岭地区漠河市、吉安市永丰县、内蒙古乌兰察布市化德县、商丘市梁园区、吉安市新干县、三明市泰宁县、莆田市仙游县、铁岭市昌图县、昌江黎族自治县七叉镇、广西百色市田阳区、凉山金阳县、伊春市汤旺县、赣州市宁都县

2026 年 5 月，《柳叶刀》刊发的一篇 "AI 引文造假 " 文章（correspondence，通讯稿件），在中国的医学科研圈火了。基于对 PubMed Central（一个美国网上医学文献检索系统）收录的约 250 万篇生物医学论文开展的筛查，这篇文章指出，过去几年生物医学论文参考文献造假率涨幅超 12 倍，2023 年每万篇论文约出现 4 条伪造参考文献，到 2026 年初达到每万篇 56.9 条。有意思的是，该项研究牵头人 Maxim Topaz 不仅是哥伦比亚大学护理学院副教授、医疗 AI 研究员，还是全球前 2% 顶尖科学家。但即便是这位常年和 AI（人工智能）打交道的专家，也曾在评论写作中被一篇 AI 生成的虚假文献 " 唬 " 过。对此，我们能做什么？《每日经济新闻》记者（以下简称 "NBD"）就此专访了 Maxim Topaz，以下是采访实录。虚假引文遍布各类文献，98.4% 的问题论文未被更正或撤稿NBD：是什么契机或经历，让你开始关注生物医学论文中的引文造假问题？Maxim Topaz：一切源于我自身的一次 " 惊险经历 "。当时，我借助人工智能聊天工具，为一篇拟投向期刊的评论润色。我本身从事人工智能研究，清楚人工智能存在 " 幻觉 " 问题，因此特意核对了所有引文，确保内容准确。即便经过多轮修改与自查，期刊编辑还是就其中一篇参考文献提出了质疑。原来这款人工智能工具悄悄植入了一条虚假文献，而我此前的核查并未发现。这件事让我深受触动。比起失误本身，更值得警惕的是背后的隐患：连常年和人工智能打交道的专业人士都会中招，普通研究者自然也难以幸免。于是我萌生了调研的想法。此前，从未有人统计过虚假引文最终流入经过同行评审、正式发表文献的比例，而参考文献是整个科学体系的根基。一旦引文失去可信度，整个科研大厦都会摇摇欲坠。我们团队正是为了填补这一研究空白，开展了此次调研。NBD：你同时任职于哥伦比亚大学护理学院与数据科学研究所，这种跨学科背景对搭建这套自动化引文核验系统起到了哪些关键作用？团队在研发过程中遇到的最大技术难题是什么？Maxim Topaz：临床医学与数据科学两大领域的专业能力缺一不可。临床医学知识能帮助团队判断哪些问题会造成实际影响，同时掌握不同细分领域正规引文的特征，以此区分普通引文错误和恶意造假；数据科学技术则让大规模自动化核验成为可能，彻底摆脱人工核查的局限。研发过程中最大的技术难题是误判问题。本次需核验的参考文献超过 9700 万条，哪怕系统的误判率极低，也会产生海量错误预警信息。我们面临的核心挑战是精准区分蓄意造假、无心笔误，以及标题简写等正常格式问题。对此，团队搭建了多层级核验流程，其中包含大语言模型初筛环节，并邀请独立人工审核人员对结果进行校验，最终系统准确率达到 91%。在海量数据下打造一套可靠、可信的核验系统，是整个项目最难攻克的一关。NBD：本次核查覆盖约 250 万篇生物医学论文、1.25 亿条参考文献，为何选择开展如此大规模的分析？业内此前对引文造假的认知，和你们调研得出的实际情况存在多大差距？Maxim Topaz：之所以开展大规模调研，是因为单篇论文的引文造假发生率本就偏低，仅凭个别案例无法得出可靠结论。我们本次共核查 2471758 篇开放获取论文、超过 1.25 亿条参考文献，只有这样才能统计出造假问题的整体发生率，更重要的是梳理出其长期变化趋势。业内过往认知与现实情况相差极大。此前，大家普遍认为引文造假只是个别作者品行不端，或是写作疏忽导致的小众问题。但数据显示，虚假引文如今已遍布各类生物医学文献；自 2023 年至今，引文造假率涨幅超 12 倍。在本次核查开展时，98.4% 存在造假引文的论文既未被更正，也未被撤稿。简言之，这一问题的严重程度、整改滞后性都远远超出了行业以往的预判。2023 年 1 月至 2026 年 2 月，PubMed Central 每万篇论文的伪造参考文献季度发生率  图片来源：文章《伪造引用：对 250 万篇生物医学论文的核查分析》综述论文是引文造假重灾区，将误导医生和政策制定者NBD：为何引文造假率从 2024 年年中开始急剧攀升？在你看来，主要诱因是人工智能、论文代写产业链，还是期刊评审流程存在漏洞？Maxim Topaz：时间节点很有指向性。大型语言模型在 2022 年末至 2023 年开始全面普及，而生物医学论文从投稿到发表通常需要 100 至 200 天。因此，借助人工智能辅助撰写的论文，从 2024 年年中起开始大量出现在美国国立医学图书馆数据库中。这也恰好是造假率骤增的转折点。需要说明的是，本次研究仅证实了问题的存在，并未直接界定成因。论文代写产业泛滥、期刊索引规则与评审机制的变化，同样推高了造假比例，且各类因素相互叠加：正是因为期刊缺乏有效的核验环节，人工智能生成或代写产业链产出的虚假引文才得以顺利发表。因此，无法将问题归咎于单一原因。客观来讲，人工智能让编造引文变得轻而易举，而现行的审核机制原本就没有针对这类造假设计排查手段。NBD：和以往人为编造的引文相比，人工智能生成的虚假引文有哪些核心差异？又会带来哪些更广泛的影响？Maxim   Topaz：二者最本质的区别在于错误类型。过去的引文问题多是粗心导致的疏漏，比如页码写错、文献观点引用有误，但被引用的文章本身是真实存在的。如今人工智能生成的引文对应的文献完全子虚乌有。这些假引文格式规范，署上真实且业内知名的研究者姓名，贴合论文主题，发表日期也设置得合情合理，足以蒙混过初步检查，常规的同行评审也往往难以识破。其深远危害在于，引文本是科研人员验证研究结论的核心依据，如今大规模造假已成现实。问题从 " 引文内容有误 " 演变为 " 引用文献根本不存在 "，这不再是证据质量下降，而是直接切断了科学论证的证据链。NBD：在核查过程中，你们发现过最极端、最令人震惊的引文造假案例是什么？看到这些案例时，你有何感受？Maxim Topaz：最典型的案例是 2025 年某开放获取肿瘤学期刊上一篇聚焦细分外科领域的论文。在该论文经核验的 30 条参考文献中，有 18 条为造假内容。这些假引文精准匹配论文研究方向，作者均为该领域真实专家，发表时间也集中在 2023 至 2024 年。还有一个现象同样值得警惕。在某期刊一年内刊发的 11 篇论文中，反复出现两位相同署名作者，这些论文包含 15 条虚假引文，且涉及多个互不相关的前沿研究领域。比起单篇问题论文，我更担忧这类批量造假的现象。更让人不安的是，这些问题论文一直留在公开文献库中，还会被其他论文继续引用，却没有任何标注警示、更正说明，行业也未对此质疑。NBD：综述类论文的引文造假率比其他类型论文高出 57%，而综述又是临床诊疗指南的制定基础。为何综述类论文尤其容易遭到人工智能驱动的引文造假侵袭？Maxim Topaz：多重因素叠加，让综述论文成为造假重灾区。首先，综述的参考文献列表篇幅更长，虚假引文更容易浑水摸鱼；其次，撰写综述需要梳理、归纳大量文献，这也是研究者最常借助人工智能辅助的环节，而该工作场景恰恰极易催生虚假引文。此外，综述处于整个科研证据链的上游：各类系统评价依托综述撰写，临床诊疗指南又以系统评价为依据。我们的数据显示，综述论文每万篇的引文造假数为 16.7 条，其他类型论文为 10.6 条。这 57% 的差距带来的危害远比数字本身更大，综述中的造假内容不会止步于此，还会层层传导，最终影响临床医生和政策制定者依赖的核心证据体系。若业界不及时管控，文献库污染恐将难以逆转NBD：虚假引文会如何误导临床决策、威胁患者安全？医学界是否低估了这类现实风险？Maxim Topaz：虚假引文会沿着完整的证据链产生负面影响。临床诊疗指南依托系统评价制定，目前已有证据证实，部分代写论文已被纳入撰写指南所用的系统评价中。如果一份指南引用的论文本身含有大量虚假引文，那么其提出的治疗方案就失去了应有的科学支撑。需要明确的是，我们并未追踪患者的实际诊疗结果，因此无法量化虚假引文直接造成的医疗伤害，也不会妄下此类论断。但现有科研证据体系存在结构性风险，且这一风险确实被医学界低估了。已有系统评价发现，医学论文中约四分之一的参考文献存在各类错误，这足以说明，参考文献核验并非同行评审的常规环节。连普通的引文错误都无法全面排查，想要识破精心伪装的人工智能造假引文，自然难上加难。NBD：你们的研究为行业提出了四项改进建议。在你看来，目前哪一项建议最为紧迫，却又最难落地？主要阻碍是什么？Maxim Topaz：当下最紧迫的是第一条建议，即期刊出版商需在同行评审启动前，将自动化引文核验纳入论文投稿流程。目前相关技术已经成熟，落地障碍并非技术问题，而是体制与成本问题。出版商需要投入资金、调整沿用已久的工作流程，这也是该建议看似可行、推进起来却阻力重重的原因。而落地难度最大的是对已发表文献开展回溯清理。对数百万篇存量论文逐一筛查、发布更正内容，需要高昂成本；且没有任何一家机构愿意全权负责这项工作，同时学界也缺乏动力去复盘、修正已经刊发的论文。总结来说，当下最该立刻推进的是在投稿环节落实事前引文核验；而最难完成的是清理早已被污染的存量学术文献。NBD：作为率先系统性揭露生物医学领域引文造假危机的学者，未来 3 至 5 年，你对整个行业最大的担忧是什么？你呼吁全球科研界、期刊出版商及监管机构立刻采取哪一项行动？Maxim Topaz：我最大的担忧是形成恶性循环。一篇含虚假引文的论文发表后，会被后续新论文继续引用，甚至被用于训练新一代人工智能模型，进而让造假内容不断传播、放大。若不及时管控，文献库被污染的速度会远远超过清理修复的速度。我向全球科研界、出版商和监管机构呼吁，立刻落实一项举措：将自动化引文核验定为同行评审前的标准流程。直白来讲，问题的根源是未经核查的人工智能生成内容流入永久学术文献。我们并非要禁止使用人工智能工具，而是要把核验环节嵌入整个工作流程。人工智能本身并非隐患，真正的风险是任由未经审核的人工智能产出内容，并堂而皇之地进入学术体系。策划 |何强   郭荣村 金喆统筹 |易启江记者 |林姿辰编辑 |黄博文视觉 |邹利排版 |黄博文   ｜每日经济新闻   nbdnews   原创文章｜   未经许可禁止转载、摘编、复制及镜像等使用  

刚刚专家组披露重要结论,,华纳万宝路公司注册官网：深入了解全球知名烟草品牌的官方信息平台，很高兴为您解答这个问题，让我来帮您详细说明一下：

焦作市博爱县、徐州市鼓楼区 ，抚州市黎川县、丹东市凤城市、潍坊市高密市、忻州市河曲县、温州市平阳县、上饶市鄱阳县、黄山市屯溪区、白沙黎族自治县金波乡、贵阳市花溪区、泰安市岱岳区、武汉市洪山区、自贡市贡井区、济宁市嘉祥县、平凉市崆峒区、宜春市樟树市 、黔东南丹寨县、南充市南部县、抚州市南丰县、广西玉林市博白县、三亚市海棠区、海口市秀英区、德州市齐河县、晋城市高平市、苏州市虎丘区、昆明市东川区、滨州市惠民县、黄南河南蒙古族自治县、汉中市汉台区、张掖市山丹县

全球服务区域: 内蒙古鄂尔多斯市准格尔旗、乐山市沙湾区 、温州市龙湾区、兰州市榆中县、阳泉市矿区、台州市玉环市、大连市瓦房店市、上海市徐汇区、三亚市海棠区、上饶市广信区、文山马关县、烟台市莱州市、陵水黎族自治县黎安镇、宁波市江北区、广西北海市合浦县、广西梧州市藤县、长春市九台区 、黄石市黄石港区、昭通市威信县、襄阳市樊城区、延边和龙市、酒泉市肃北蒙古族自治县

作为国家高新技术企业认证平台,,华纳万宝路公司注册官网：深入了解全球知名烟草品牌的官方信息平台，很高兴为您解答这个问题，让我来帮您详细说明一下：

全国服务区域: 宜昌市猇亭区、株洲市天元区 、郑州市上街区、琼海市长坡镇、株洲市茶陵县、内蒙古阿拉善盟阿拉善右旗、成都市金牛区、中山市西区街道、自贡市沿滩区、潍坊市奎文区、辽源市东辽县、晋中市左权县、果洛久治县、成都市都江堰市、上海市青浦区、陵水黎族自治县黎安镇、毕节市金沙县 、西安市莲湖区、景德镇市昌江区、商洛市柞水县、长治市长子县、惠州市龙门县、广西桂林市资源县、海南贵德县、吕梁市石楼县、台州市临海市、商洛市柞水县、马鞍山市花山区、湛江市雷州市、陇南市康县、葫芦岛市绥中县、重庆市璧山区、孝感市孝南区、文昌市文城镇、黄冈市英山县、南通市如东县、泉州市鲤城区、渭南市富平县、郑州市金水区、临沂市费县、常德市桃源县

统一维修资源中心:,华纳万宝路公司注册官网：深入了解全球知名烟草品牌的官方信息平台

华纳万宝路公司，作为全球知名的烟草品牌之一，其注册官网成为了广大消费者、合作伙伴以及行业人士了解公司动态、产品信息以及市场策略的重要窗口。本文将带您深入了解华纳万宝路公司的注册官网，让您全面掌握这一全球知名品牌的官方信息。 一、华纳万宝路公司简介 华纳万宝路公司成立于1924年，总部位于美国纽约，是一家专注于烟草制品研发、生产和销售的大型跨国企业。公司旗下拥有多个知名品牌，其中万宝路（Marlboro）更是享誉全球，成为全球销量最高的香烟品牌之一。 二、华纳万宝路公司注册官网的功能 1. 公司介绍：官网首页展示了华纳万宝路公司的历史、企业文化、发展历程以及全球业务布局，让访客对公司有一个全面的认识。 2. 产品信息：官网详细介绍了公司旗下的各类烟草产品，包括香烟、雪茄、烟斗等，让消费者了解产品特点、口感以及适用人群。 3. 市场动态：官网实时更新市场动态，包括行业新闻、政策法规、市场分析等，让合作伙伴和行业人士及时掌握市场信息。 4. 合作机会：官网设有合作专区，为有意向与华纳万宝路公司合作的伙伴提供联系方式、合作流程以及成功案例，助力双方共赢。 5. 联系我们：官网提供多种联系方式，包括电话、邮箱、在线客服等，方便访客咨询和反馈。 三、华纳万宝路公司注册官网的特色 1. 界面简洁：官网界面简洁大方，易于浏览，让访客快速找到所需信息。 2. 多语言支持：官网提供多语言版本，满足不同国家和地区访客的需求。 3. 互动性强：官网设有在线留言、问卷调查等功能，让访客可以参与到公司的发展中来。 4. 安全可靠：官网采用SSL加密技术，确保用户信息的安全。 四、结语 华纳万宝路公司注册官网作为全球知名烟草品牌的官方信息平台，为消费者、合作伙伴以及行业人士提供了丰富的信息资源。通过深入了解官网，我们可以更好地了解这一全球知名品牌，把握市场动态，把握合作机会。在未来的日子里，华纳万宝路公司注册官网将继续发挥其重要作用，为全球烟草行业的发展贡献力量。

2026 年 5 月，《柳叶刀》刊发的一篇 "AI 引文造假 " 文章（correspondence，通讯稿件），在中国的医学科研圈火了。基于对 PubMed Central（一个美国网上医学文献检索系统）收录的约 250 万篇生物医学论文开展的筛查，这篇文章指出，过去几年生物医学论文参考文献造假率涨幅超 12 倍，2023 年每万篇论文约出现 4 条伪造参考文献，到 2026 年初达到每万篇 56.9 条。有意思的是，该项研究牵头人 Maxim Topaz 不仅是哥伦比亚大学护理学院副教授、医疗 AI 研究员，还是全球前 2% 顶尖科学家。但即便是这位常年和 AI（人工智能）打交道的专家，也曾在评论写作中被一篇 AI 生成的虚假文献 " 唬 " 过。对此，我们能做什么？《每日经济新闻》记者（以下简称 "NBD"）就此专访了 Maxim Topaz，以下是采访实录。虚假引文遍布各类文献，98.4% 的问题论文未被更正或撤稿NBD：是什么契机或经历，让你开始关注生物医学论文中的引文造假问题？Maxim Topaz：一切源于我自身的一次 " 惊险经历 "。当时，我借助人工智能聊天工具，为一篇拟投向期刊的评论润色。我本身从事人工智能研究，清楚人工智能存在 " 幻觉 " 问题，因此特意核对了所有引文，确保内容准确。即便经过多轮修改与自查，期刊编辑还是就其中一篇参考文献提出了质疑。原来这款人工智能工具悄悄植入了一条虚假文献，而我此前的核查并未发现。这件事让我深受触动。比起失误本身，更值得警惕的是背后的隐患：连常年和人工智能打交道的专业人士都会中招，普通研究者自然也难以幸免。于是我萌生了调研的想法。此前，从未有人统计过虚假引文最终流入经过同行评审、正式发表文献的比例，而参考文献是整个科学体系的根基。一旦引文失去可信度，整个科研大厦都会摇摇欲坠。我们团队正是为了填补这一研究空白，开展了此次调研。NBD：你同时任职于哥伦比亚大学护理学院与数据科学研究所，这种跨学科背景对搭建这套自动化引文核验系统起到了哪些关键作用？团队在研发过程中遇到的最大技术难题是什么？Maxim Topaz：临床医学与数据科学两大领域的专业能力缺一不可。临床医学知识能帮助团队判断哪些问题会造成实际影响，同时掌握不同细分领域正规引文的特征，以此区分普通引文错误和恶意造假；数据科学技术则让大规模自动化核验成为可能，彻底摆脱人工核查的局限。研发过程中最大的技术难题是误判问题。本次需核验的参考文献超过 9700 万条，哪怕系统的误判率极低，也会产生海量错误预警信息。我们面临的核心挑战是精准区分蓄意造假、无心笔误，以及标题简写等正常格式问题。对此，团队搭建了多层级核验流程，其中包含大语言模型初筛环节，并邀请独立人工审核人员对结果进行校验，最终系统准确率达到 91%。在海量数据下打造一套可靠、可信的核验系统，是整个项目最难攻克的一关。NBD：本次核查覆盖约 250 万篇生物医学论文、1.25 亿条参考文献，为何选择开展如此大规模的分析？业内此前对引文造假的认知，和你们调研得出的实际情况存在多大差距？Maxim Topaz：之所以开展大规模调研，是因为单篇论文的引文造假发生率本就偏低，仅凭个别案例无法得出可靠结论。我们本次共核查 2471758 篇开放获取论文、超过 1.25 亿条参考文献，只有这样才能统计出造假问题的整体发生率，更重要的是梳理出其长期变化趋势。业内过往认知与现实情况相差极大。此前，大家普遍认为引文造假只是个别作者品行不端，或是写作疏忽导致的小众问题。但数据显示，虚假引文如今已遍布各类生物医学文献；自 2023 年至今，引文造假率涨幅超 12 倍。在本次核查开展时，98.4% 存在造假引文的论文既未被更正，也未被撤稿。简言之，这一问题的严重程度、整改滞后性都远远超出了行业以往的预判。2023 年 1 月至 2026 年 2 月，PubMed Central 每万篇论文的伪造参考文献季度发生率  图片来源：文章《伪造引用：对 250 万篇生物医学论文的核查分析》综述论文是引文造假重灾区，将误导医生和政策制定者NBD：为何引文造假率从 2024 年年中开始急剧攀升？在你看来，主要诱因是人工智能、论文代写产业链，还是期刊评审流程存在漏洞？Maxim Topaz：时间节点很有指向性。大型语言模型在 2022 年末至 2023 年开始全面普及，而生物医学论文从投稿到发表通常需要 100 至 200 天。因此，借助人工智能辅助撰写的论文，从 2024 年年中起开始大量出现在美国国立医学图书馆数据库中。这也恰好是造假率骤增的转折点。需要说明的是，本次研究仅证实了问题的存在，并未直接界定成因。论文代写产业泛滥、期刊索引规则与评审机制的变化，同样推高了造假比例，且各类因素相互叠加：正是因为期刊缺乏有效的核验环节，人工智能生成或代写产业链产出的虚假引文才得以顺利发表。因此，无法将问题归咎于单一原因。客观来讲，人工智能让编造引文变得轻而易举，而现行的审核机制原本就没有针对这类造假设计排查手段。NBD：和以往人为编造的引文相比，人工智能生成的虚假引文有哪些核心差异？又会带来哪些更广泛的影响？Maxim   Topaz：二者最本质的区别在于错误类型。过去的引文问题多是粗心导致的疏漏，比如页码写错、文献观点引用有误，但被引用的文章本身是真实存在的。如今人工智能生成的引文对应的文献完全子虚乌有。这些假引文格式规范，署上真实且业内知名的研究者姓名，贴合论文主题，发表日期也设置得合情合理，足以蒙混过初步检查，常规的同行评审也往往难以识破。其深远危害在于，引文本是科研人员验证研究结论的核心依据，如今大规模造假已成现实。问题从 " 引文内容有误 " 演变为 " 引用文献根本不存在 "，这不再是证据质量下降，而是直接切断了科学论证的证据链。NBD：在核查过程中，你们发现过最极端、最令人震惊的引文造假案例是什么？看到这些案例时，你有何感受？Maxim Topaz：最典型的案例是 2025 年某开放获取肿瘤学期刊上一篇聚焦细分外科领域的论文。在该论文经核验的 30 条参考文献中，有 18 条为造假内容。这些假引文精准匹配论文研究方向，作者均为该领域真实专家，发表时间也集中在 2023 至 2024 年。还有一个现象同样值得警惕。在某期刊一年内刊发的 11 篇论文中，反复出现两位相同署名作者，这些论文包含 15 条虚假引文，且涉及多个互不相关的前沿研究领域。比起单篇问题论文，我更担忧这类批量造假的现象。更让人不安的是，这些问题论文一直留在公开文献库中，还会被其他论文继续引用，却没有任何标注警示、更正说明，行业也未对此质疑。NBD：综述类论文的引文造假率比其他类型论文高出 57%，而综述又是临床诊疗指南的制定基础。为何综述类论文尤其容易遭到人工智能驱动的引文造假侵袭？Maxim Topaz：多重因素叠加，让综述论文成为造假重灾区。首先，综述的参考文献列表篇幅更长，虚假引文更容易浑水摸鱼；其次，撰写综述需要梳理、归纳大量文献，这也是研究者最常借助人工智能辅助的环节，而该工作场景恰恰极易催生虚假引文。此外，综述处于整个科研证据链的上游：各类系统评价依托综述撰写，临床诊疗指南又以系统评价为依据。我们的数据显示，综述论文每万篇的引文造假数为 16.7 条，其他类型论文为 10.6 条。这 57% 的差距带来的危害远比数字本身更大，综述中的造假内容不会止步于此，还会层层传导，最终影响临床医生和政策制定者依赖的核心证据体系。若业界不及时管控，文献库污染恐将难以逆转NBD：虚假引文会如何误导临床决策、威胁患者安全？医学界是否低估了这类现实风险？Maxim Topaz：虚假引文会沿着完整的证据链产生负面影响。临床诊疗指南依托系统评价制定，目前已有证据证实，部分代写论文已被纳入撰写指南所用的系统评价中。如果一份指南引用的论文本身含有大量虚假引文，那么其提出的治疗方案就失去了应有的科学支撑。需要明确的是，我们并未追踪患者的实际诊疗结果，因此无法量化虚假引文直接造成的医疗伤害，也不会妄下此类论断。但现有科研证据体系存在结构性风险，且这一风险确实被医学界低估了。已有系统评价发现，医学论文中约四分之一的参考文献存在各类错误，这足以说明，参考文献核验并非同行评审的常规环节。连普通的引文错误都无法全面排查，想要识破精心伪装的人工智能造假引文，自然难上加难。NBD：你们的研究为行业提出了四项改进建议。在你看来，目前哪一项建议最为紧迫，却又最难落地？主要阻碍是什么？Maxim Topaz：当下最紧迫的是第一条建议，即期刊出版商需在同行评审启动前，将自动化引文核验纳入论文投稿流程。目前相关技术已经成熟，落地障碍并非技术问题，而是体制与成本问题。出版商需要投入资金、调整沿用已久的工作流程，这也是该建议看似可行、推进起来却阻力重重的原因。而落地难度最大的是对已发表文献开展回溯清理。对数百万篇存量论文逐一筛查、发布更正内容，需要高昂成本；且没有任何一家机构愿意全权负责这项工作，同时学界也缺乏动力去复盘、修正已经刊发的论文。总结来说，当下最该立刻推进的是在投稿环节落实事前引文核验；而最难完成的是清理早已被污染的存量学术文献。NBD：作为率先系统性揭露生物医学领域引文造假危机的学者，未来 3 至 5 年，你对整个行业最大的担忧是什么？你呼吁全球科研界、期刊出版商及监管机构立刻采取哪一项行动？Maxim Topaz：我最大的担忧是形成恶性循环。一篇含虚假引文的论文发表后，会被后续新论文继续引用，甚至被用于训练新一代人工智能模型，进而让造假内容不断传播、放大。若不及时管控，文献库被污染的速度会远远超过清理修复的速度。我向全球科研界、出版商和监管机构呼吁，立刻落实一项举措：将自动化引文核验定为同行评审前的标准流程。直白来讲，问题的根源是未经核查的人工智能生成内容流入永久学术文献。我们并非要禁止使用人工智能工具，而是要把核验环节嵌入整个工作流程。人工智能本身并非隐患，真正的风险是任由未经审核的人工智能产出内容，并堂而皇之地进入学术体系。策划 |何强   郭荣村 金喆统筹 |易启江记者 |林姿辰编辑 |黄博文视觉 |邹利排版 |黄博文   ｜每日经济新闻   nbdnews   原创文章｜   未经许可禁止转载、摘编、复制及镜像等使用