StrictCite — Reference Audit Studio

{"translation":"灵感来源：今年 arXiv 上的一篇论文（Ansari, 2026）记录了 100 条伪造的引用，每条都通过了 3–5 位专家评审，最终发表在 NeurIPS 上。另一项关于 GPT-4 文献综述的研究发现，生成引用中有 18–28.6% 完全是无中生有。这不是偶发故障，而是可预见的失败——因为大语言模型只是在评估"看起来像不像"，并不会去查询真实的注册库。\n\n所以我做了 AI 引用工具的反面：整个流程中没有任何大语言模型。StrictCite 会解析你的参考文献列表，仅将参考列表本身（绝不包含你的稿件）发送给 13 个真实的注册库——Crossref、DataCite、OpenAlex、PubMed、arXiv 等——然后逐字段地告诉你它们与你的引用在哪些地方不一致。\n\n最耗时的部分不是检索，而是确定"未找到记录"该如何理解。早期我把这种情况解读为"很可能是伪造的"，但这是错的——第一次它标记出一篇确实存在但鲜为人知、且早于 DOI 时代的论文时，我就知道这样不对了。现在它只会被报告为"未经验证"，而不是"已拒绝"——报告会展示查询了哪些注册库、哪些没有返回结果，最终的判断权交给你。\n\n整个检查在你的浏览器中运行（引擎由 Python 编译为 WebAssembly），因此离开你设备的只有参考文献列表本身，而不是你正在写的论文。\n\n非常希望能听到它在哪里把一条真实引用标错了——这是我最想解决的失败模式。"}