问题——科研文献的快速增长正抬高信息筛选成本，文献综述越来越成为科研中的“耗时环节”；综述工作不仅影响研究选题和方法设计，也关系到循证决策、实验可重复性以及跨学科知识迁移。面对海量论文，研究人员很难在有限时间内完成全面检索、有效归纳和准确引用，进而可能引发重复研究、证据选择偏差等问题。近年虽有通用语言模型和辅助工具用于整理资料、生成综述，但在引用来源、归因链条和事实一致性上仍然容易出错，尤其是“引文幻觉”会导致引用指向不实或错配，反而增加二次核查负担。 原因——上述问题的关键在于通用模型的能力侧重与科研场景不匹配：其一，通用模型偏强于语言生成而非严谨检索，缺少可追溯数据来源与引用约束时，容易在不确定处“补全”；其二，科研综述需要区分证据等级、研究边界和结论成立条件，仅靠语言相似性难以满足严谨要求；其三，传统评测更重视回答的流畅度与覆盖面，对“引用是否真实、是否支持结论”的量化检验不足，使得系统优化缺少统一标尺。 影响——《自然》报道指出，华盛顿大学团队推出的“OpenScholar”试图在这些关键环节补齐短板。该系统定位为面向科研任务的检索增强语言模型，将生成与专业论文库检索结合，并加入自我评估机制，提高输出的透明度与可核验性。研究团队接入约4500万篇最新开放获取论文的数据资源，强调在生成结论前先检索、再引用、后归纳，以流程约束减少凭空编造。实验结果显示，在研究设置的对照测试中，部分通用模型会在一定比例下出现引文不准确或“幻觉”，而“OpenScholar”的引文准确性更接近人类专家水平。团队同时构建“ScholarQABench”作为评测基准，用于量化文献综述自动化表现。测试显示，“OpenScholar”的总体准确率较两类现有系统分别提升6.1%和5.5%；在答案可用性上，其生成内容50%至70%的情况下被评价为更有帮助。结果表明，围绕“可追溯引用”这个核心指标的改进，可直接降低科研信息处理中的返工成本，提升综述可靠性。 对策——研究团队强调，降低引文误差不等于“全自动完成综述”。系统仍受限于可获取文献范围、检索质量、论文元数据完整性，以及复杂问题的证据整合难度。更重要的是，科研综述不仅是信息汇总，还需要研究者对争议点、证据强弱和方法差异作出判断，离不开领域知识与语境。为应对这些限制，团队将“OpenScholar”和“ScholarQABench”向学界开放，希望通过公开评测实现可重复对比，并在共同改进中提升可信度。业内人士认为，面向科研的工具建设应坚持“用证据链约束生成、用评测基准推动迭代”，并同步推进数据库更新、引用规范化和跨平台互操作，形成“检索—生成—核验—追溯”的闭环。 前景——从趋势看，科研正进入数据与论文同步增长阶段，文献综述能力将成为科研效率的重要基础能力。检索增强、透明引用与可评测机制的结合，可能推动科研辅助工具从“会写”走向“更可信”。未来，如果此类系统在多语种文献覆盖、图表与方法学信息抽取、争议证据对齐以及跨学科概念映射诸上持续改进，有望在课题调研、基金申请、审稿核查与政策证据汇编等场景发挥更大作用。同时也需要更明确的使用规范：对工具生成内容提出可追溯要求，保留检索与引用日志，明确人工复核的责任边界，避免“省时”变成“省审”。
文献综述的价值不在于“写得快”，而在于“依据真、覆盖全、逻辑严”；在高密度信息时代，减少引文幻觉、强化证据链条，既是工具演进的方向，也是科学共同体守住研究质量的底线。通过开放评测与可追溯机制推动工具迭代，有助于在效率与严谨之间建立新的平衡，为可信科研生态打下更扎实的基础。