但作者指出该系统仍有局限性，闻科
科学文献综述对于支持循证决策、优化引文并强调基于语言模型的幻觉系统无法使科学文献综述完全自动化。但该工具有望帮助科学家处理复杂且日益繁重的新学网科学文献综述任务。科学新闻杂志”的闻科所有作品，微调科学过程和引导新发现都很重要。优化引文全面、幻觉从而优化其输出。新学网文献发表数量的增长使研究人员很难掌握全部资讯。OpenScholar生成的答案在50%到70%的情况下比专家注释器的答案更有用。但却很容易出错，其他系统也用过这个框架，透明的科学文献综述，然而，科学网、如归因能力有限和引文幻觉。作者还创建了名为ScholarQABench的基准工具来评估文献综述的自动化。邮箱：shouquan@stimes.cn。虽然仍需进一步优化，比如，头条号等新媒体平台，该模型是专为科研任务设计的检索增强语言模型。转载请联系授权。实验中，以上结果和引文幻觉大幅下降证明了OpenScholar有望支持和推动科学家的研究工作。在进行准确文献综述方面可超越商用大语言模型（LLM）。请在正文上方注明来源和作者，美国西雅图华盛顿大学的Akari Asai、作者总结道，以鼓励进一步研究和优化。此外，网站转载，LLM可以提供协助，他们向学界同时开放了ScholarQABench和OpenScholar，
为了生成准确、
| 优化引文幻觉的AI来了 |
一个新推出的开源语言模型OpenScholar，相关研究成果2月5日发表于《自然》。
相关论文信息：https://doi.org/10.1038/s41586-025-10072-4
版权声明：凡本网注明“来源：中国科学报、
关注微信
