,探索万宝路公司官方APP：一键链接，畅享无烟生活新体验

,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，很高兴为您解答这个问题，让我来帮您详细说明一下。

文山广南县、白银市景泰县、北京市通州区、杭州市西湖区、兰州市皋兰县、西宁市湟源县、恩施州巴东县、昆明市宜良县、长春市榆树市、无锡市新吴区、黄石市铁山区、郴州市嘉禾县、陵水黎族自治县提蒙乡、大理弥渡县、成都市青白江区、开封市龙亭区、红河个旧市

2026 年 5 月，《柳叶刀》刊发的一篇 "AI（人工智能）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（美国国立医学图书馆旗下的免费生物医学全文档案库）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 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，人们能做什么？《每日经济新闻》记者（以下简称 NBD）就此专访了 Maxim Topaz。虚假引文遍布各类文献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量非常大，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判断。综述类论文是引文造假重灾区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 天至 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 年至 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的作者，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约 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，让综述类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，综述类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。这约 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。若不及时管控，" 污染 " 将难逆转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 4 条改进建议。在你看来，目前哪一条建议最为紧迫，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 年至 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堂而皇之地进入学术体系。

本周数据平台本月官方渠道披露重要进展,,探索万宝路公司官方APP：一键链接，畅享无烟生活新体验，很高兴为您解答这个问题，让我来帮您详细说明一下：

怀化市靖州苗族侗族自治县、济宁市嘉祥县 ，恩施州巴东县、滨州市无棣县、保亭黎族苗族自治县什玲、赣州市宁都县、齐齐哈尔市铁锋区、淮南市谢家集区、眉山市丹棱县、七台河市新兴区、青岛市城阳区、常德市武陵区、白沙黎族自治县细水乡、东营市东营区、西安市长安区、长治市长子县、广西柳州市融水苗族自治县 、盐城市盐都区、宜春市樟树市、宜宾市兴文县、蚌埠市龙子湖区、齐齐哈尔市泰来县、广西南宁市上林县、六安市霍山县、攀枝花市东区、甘孜白玉县、重庆市大足区、成都市大邑县、牡丹江市阳明区、昆明市富民县、汕头市南澳县

全球服务区域: 成都市双流区、文昌市翁田镇 、苏州市常熟市、南平市政和县、长治市平顺县、安顺市西秀区、黄冈市黄梅县、郑州市管城回族区、楚雄元谋县、运城市芮城县、北京市怀柔区、抚顺市清原满族自治县、临汾市洪洞县、鹤壁市山城区、曲靖市师宗县、湛江市廉江市、连云港市灌云县 、十堰市张湾区、重庆市巴南区、潍坊市诸城市、怀化市芷江侗族自治县、忻州市代县

近日技术小组通报核心进展,,探索万宝路公司官方APP：一键链接，畅享无烟生活新体验，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: 自贡市富顺县、乐山市沐川县 、重庆市荣昌区、济南市莱芜区、郑州市新密市、合肥市庐阳区、汉中市汉台区、岳阳市平江县、中山市南区街道、内蒙古赤峰市克什克腾旗、乐东黎族自治县尖峰镇、黄石市大冶市、甘孜得荣县、上饶市弋阳县、新余市分宜县、临夏广河县、西宁市湟中区 、温州市文成县、昭通市昭阳区、临沂市兰陵县、宝鸡市太白县、绵阳市游仙区、济宁市嘉祥县、广西来宾市武宣县、黔东南黎平县、厦门市思明区、遵义市湄潭县、海西蒙古族德令哈市、凉山昭觉县、广西百色市平果市、葫芦岛市兴城市、昭通市水富市、广西来宾市象州县、东莞市企石镇、澄迈县金江镇、新乡市原阳县、鄂州市华容区、广州市从化区、广元市青川县、广西河池市巴马瑶族自治县、玉溪市峨山彝族自治县

可视化故障排除专线:,探索万宝路公司官方APP：一键链接，畅享无烟生活新体验

随着科技的发展，智能手机已经成为我们生活中不可或缺的一部分。而各大企业也纷纷推出自己的官方APP，以更好地服务消费者。万宝路公司作为全球知名的烟草品牌，也紧跟时代潮流，推出了自己的官方APP。今天，就让我们一起来探索万宝路公司的APP，看看它能为消费者带来哪些便利。 ### 万宝路公司APP简介 万宝路公司官方APP是一款集产品信息、促销活动、互动体验于一体的综合性应用。用户可以通过这款APP了解万宝路公司的最新动态，购买心仪的产品，参与各种互动活动，还能享受到专属的会员福利。 ### APP链接获取 要获取万宝路公司APP的链接，用户可以通过以下几种方式： 1. 在手机应用商店搜索“万宝路”或“万宝路公司”，即可找到官方APP下载。 2. 访问万宝路公司官方网站，在页面底部找到APP下载链接。 3. 关注万宝路公司官方微信公众号，回复“APP下载”即可获得下载链接。 ### APP功能亮点 1. **产品信息查询**：用户可以随时查看万宝路公司的产品信息，包括产品特点、价格、购买渠道等。 2. **促销活动**：万宝路公司APP会不定期推出各种促销活动，用户可以第一时间了解优惠信息，享受优惠。 3. **互动体验**：APP内设有互动环节，用户可以参与抽奖、答题等活动，赢取精美礼品。 4. **会员福利**：注册成为万宝路公司会员后，用户可以享受积分兑换、生日礼物等专属福利。 5. **资讯浏览**：APP内设有资讯栏目，用户可以了解万宝路公司的最新动态、行业资讯等。 ### 使用APP的注意事项 1. **保护个人信息**：在使用APP时，请确保填写正确的个人信息，并注意保护个人隐私。 2. **合理消费**：在享受优惠的同时，请理性消费，切勿过度依赖促销活动。 3. **遵守法律法规**：在使用APP时，请遵守国家相关法律法规，切勿从事违法活动。 ### 结语 万宝路公司官方APP的推出，为消费者带来了更加便捷、丰富的购物体验。通过这款APP，用户可以轻松了解万宝路公司的产品信息、参与互动活动，还能享受到专属的会员福利。赶快下载万宝路公司APP，一起畅享无烟生活新体验吧！

2026 年 5 月，《柳叶刀》刊发的一篇 "AI（人工智能）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（美国国立医学图书馆旗下的免费生物医学全文档案库）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 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，人们能做什么？《每日经济新闻》记者（以下简称 NBD）就此专访了 Maxim Topaz。虚假引文遍布各类文献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量非常大，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判断。综述类论文是引文造假重灾区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 天至 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 年至 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的作者，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约 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，让综述类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，综述类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。这约 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。若不及时管控，" 污染 " 将难逆转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 4 条改进建议。在你看来，目前哪一条建议最为紧迫，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 年至 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堂而皇之地进入学术体系。