DeepSeek乱编文献：AI幻觉下的学术风险

近年来，以 DeepSeek 为代表的大语言模型在文本生成、问答、写作辅助等领域展现出强大能力。然而，一个广受诟病的问题也随之浮现——“乱编文献”。

什么是“乱编文献”？

所谓“乱编文献”，是指 AI 在回答涉及学术引用的问题时，会凭空编造看似真实但实际不存在的论文标题、作者姓名、期刊名称、DOI 编号甚至出版年份。这类行为属于典型的“AI 幻觉”（Hallucination）。

为何 DeepSeek 会乱编文献？

• 训练数据局限：模型虽接触大量文本，但无法验证事实真伪。
• 概率生成机制：模型基于统计规律“猜测”最可能的回答，而非检索真实数据库。
• 缺乏外部知识验证：当前多数模型不具备实时联网查证能力。

潜在危害

若用户直接引用 AI 生成的虚假文献，可能导致：

• 学术不端指控
• 研究结论不可靠
• 误导他人研究方向
• 损害个人或机构声誉

如何防范？

建议采取以下措施：

• 将 AI 输出视为“草稿”而非最终答案；
• 对所有引用内容进行人工核实（如通过 Google Scholar、CNKI 等）；
• 避免在正式论文、报告中直接使用未经验证的 AI 引用；
• 优先使用具备“引用溯源”功能的可信工具。

AI 是强大的助手，但不是权威信源。保持批判性思维，是安全使用大模型的关键。