Lancet主刊！大语言模型普及后引用造假暴涨12倍，98.4%问题文章未被处理

源自风暴统计网一键统计分析与绘图的网站近日顶级医学期刊《Lancet》医学一区topIF88.5主刊发表了一篇文章。来自哥伦比亚大学的研究团队开发了一套AI辅助的自动验证系统对2023年1月至2026年2月间PubMed Central收录的247万篇生物医学论文、1.25亿条结构化参考文献进行了地毯式审计。结果发现在9710万条可验证的参考文献中他们识别出4046条伪造引用涉及2810篇论文。研究团队计算了每年的伪造率含至少一条伪造引用的论文比例结果如下2023年约1/28282025年1/4582026年前7周1/277。如果换算成更具体的数字我们会发现伪造率从2023年的约4篇/万篇飙升至2025年底的51.3篇/万篇2026年初已达56.9篇/万篇。这个增长的时间线很有意思。拐点出现在2024年年中ChatGPT在2022年底面世GPT-4在2023年3月发布。学术论文从写作到发表通常有100-200天的滞后2024年中的陡增与这个时间线吻合。这不是巧合这是AI大规模进入学术写作后留下的可量化痕迹。什么叫伪造引用作者在参考文献里列了一篇文章——标题、作者、期刊、年份都有。但你去PubMed、Crossref、Google Scholar里搜根本找不到。不是格式错了是这篇文献不存在。研究团队对系统标记的500条可疑引用进行了人工核验3位独立评审员确认其中70%为确凿伪造。这里有两个关键数字精确率为91%系统标记的引用中实际为伪造的比例评审员之间的一致性κ0.71。然后出现了一个更值得注意的数字在2810篇受影响的论文中98.4%在审计时未收到出版商任何处理。这意味着当前审稿流程对伪造引用的检出和处理能力严重不足。审稿人没发现不是不认真是审稿流程里没有“逐条验证引用”这一步。大家默认引用是真的。为什么这么难发现有人可能会问这么明显的造假为什么审稿人没有发现因为这些假引用做得太像真的了不仅主题相关作者是真实存在的学者而且年份合理格式规范肉眼很难分辨。审稿人不可能记住领域内每年发表的每一篇文献。研究团队在原文中指出当参考文献指向不存在的研究时读者、审稿人和政策制定者都无法评估证据。一篇假引用可以污染后面成百上千篇论文——已经有人在系统评价中引用了这些假文献。同时研究团队也承认4046条是保守下限。他们只审计了含有有效PMID的引用这部分占总引用的77%书籍、网站等灰色文献被排除在外。那些做得更真的伪造引用系统可能根本没标出来实际数字很可能比4046条大得多。为了避免出现虚假引用本文的研究团队给了四条建议在投稿阶段就集成自动引用验证而不是等发表后在索引服务中增加完整性元数据让问题可以追溯在学术诚信数据库中设立独立类别系统追踪伪造引用当伪造引用影响论文核心结论时应该撤稿。这篇《Lancet》研究最好的地方在于它不是一个定性指控而是一个用统计方法量化问题的尝试。它给出了伪造率的点估计、12倍增长的趋势、2024年中这个时间拐点、精确率和一致性系数。这些数字是可以讨论、可以验证、可以更新的。AI大规模进入学术写作已经是事实。问题在于我们的验证机制能否跟得上潮流最后在文末给郑老师我们团队打个广告吧大家不要见怪哈我们将提供专业的临床试验项目设计与分析哦