針對AI模型在學術領域普遍存在的“編造論文”難題，華盛頓大學與艾倫人工智能研究所（AI2）的研究團隊帶來了突破性解決方案——正式發佈開源人工智能模型OpenScholar。該模型在整合前沿研究時表現卓越，不僅引文準確率大幅提升，其生成內容的質量甚至得到了過半數人類專家的青睞。

長期以來，即便是 GPT-4o 這樣的頂尖模型，在處理學術引用時也面臨高達 78% 至 90% 的“幻覺”率。爲了攻克這一痛點，OpenScholar 另闢蹊徑，建立了一個包含 4500 萬篇學術論文的龐大檢索庫。通過先進的檢索增強生成（RAG）技術，該模型能夠實時查閱最新發表的文獻，並以標準規範的引用格式輸出答覆，徹底告別了“一本正經胡說八道”的尷尬。

在嚴格的 ScholarQABench 基準測試及專家雙盲評審中，OpenScholar 的表現令人驚豔。測試結果顯示，在 51% 的測試案例中，科學家們更偏向於選擇 OpenScholar 生成的答覆而非人類專家撰寫的內容。如果將其引用機制與 GPT-4o 結合，專家的偏好率更是直線飆升至 70%。

目前，OpenScholar 的代碼、數據集及演示版本均已向社會開放，不僅爲科研人員提供了強有力的工具，也爲構建透明、可靠的學術 AI 生態樹立了新標杆。該團隊表示，未來還將繼續迭代，推出支持多步驟檢索與信息聚合的新模型，進一步賦能科學研究。