那天组会，导师把我的LaTeX PDF投影到白板上，用红笔圈出三处
第一处：我引用了’Zhang et al., NeurIPS 2026 Workshop on LLM Reasoning, pp. 42–58’——导师打开NeurIPS官网2026 workshop列表，该workshop根本未设立；第二处：’Chen & Lee, arXiv:2411.08912v3’——arXiv实际只到v2，v3是模型捏造的版本号；第三处：’Table 3 in Wang et al. (ICML 2024)’——原文根本没有Table 3，只有Figure 3，且数据列完全对不上。这不是疏忽，是LLM对学术结构的系统性幻觉。
真正危险的不是ChatGPT，而是它和citation插件的耦合
我用的是2026年最火的ScholarGPT v3.2（Chrome插件，ID: gpkcflbogdmlmehklnpahhjkgjgjdpfj），它能自动抓取Semantic Scholar API + arXiv metadata + CCF-A类会议DB快照（截至2026Q4），但它的’citation synthesis’模式默认启用’contextual interpolation’——当训练数据中某篇论文缺失实验细节时，它会基于相似论文结构补全，且不加任何标注。我调过它的config.json："interpolation_mode": "aggressive", "confidence_threshold": 0.72，低于这个阈值就静默丢弃警告。结果就是，它把ICLR 2026一篇关于稀疏微调的附录B内容，错绑到了我引用的EMNLP 2024论文上。
比造假更难察觉的是‘半真半假’
最坑的一次是’Li et al. (ACL 2026, long paper)’——ACL 2026确实有这篇，作者、标题、DOI全对，但模型把他们在demo session里口头提到的未发布baseline数值（acc=82.3）当成了正式论文Table 2数据写进我的related work。我查ACL Anthology PDF，Table 2只有81.7；再翻他们的GitHub issue #42，才发现82.3是他们三天后才push的hotfix结果。担心错过2026年的截稿日期？用本站的 CCF/EI/Scopus会议查询 查看最新时间表。
我现在怎么写Related Work：三层校验流水线
- 所有引用先过Zotero 7.0 + ‘Integrity Check’插件（勾选’Cross-ref DOI validation’和’arXiv version consistency’）；2. 关键句必须粘贴到Semantic Scholar高级搜索框，限定’cited by ≥ 5 papers since 2026’，排除幽灵论文；3. 每段Related Work初稿完成后，用本地运行的LitSearch v2.1（开源地址：github.com/ai-lit/litsearch-v2）做反向溯源：输入我的描述文本，它返回原始论文段落及相似度分值，<0.85的全部重写。这多花47分钟，但比被拒稿重投省三个月。
总结：别让LLM替你‘理解’文献，只让它帮你‘定位’文献。下次写Related Work前，先把Zotero里那篇你最想对比的论文PDF拖进本地，手动高亮三处核心claim——这才是你真正需要回应的靶子。