數十篇學術論文引用了「根本不存在」的幽靈文獻

學術論文中的參考文獻，原本是為了讓讀者能夠按圖索驥、核對證據的源頭。然而，最近的兩項大規模研究卻發現，這些追蹤線索的終點，往往指向了根本不存在的「幽靈論文」。

紐西蘭奧克蘭大學（University of Auckland）的研究團隊檢視了 2023 年至 2025 年間發表的 3,201 篇同行評審論文。經過自動化程式檢測與人工逐筆審閱後，發現有 69 篇論文（佔比 2.16%）至少包含一條研究人員完全無法查證的文獻。雖然研究人員並未斷言所有查不到的文獻全都源自 AI，但這種現象顯然非比尋常。

而在 2026 年 5 月，由美國康乃爾大學、UCLA、加州大學柏克萊分校與清華大學跨國團隊發表的一篇預印本研究，規模更加驚人：他們分析了來自 arXiv、bioRxiv、SSRN 以及 PubMed Central 等平台的 250 萬篇論文與預印本，共涵蓋高達 1.11 億條參考文獻！研究團隊將近年查無紀錄的文獻比例，與大型語言模型（LLM）廣泛普及前的歷史數據進行比對，推估光是在 2025 年一年內，這四大資料庫中就誕生了多達 146,932 條 AI 幻覺假引用！

研究團隊的重大發現

1. 出問題的論文表面上看起來毫無異狀

大規模研究發現，出問題的並不是少數整篇「從頭假到尾」的極端垃圾論文，而是大量的正經論文中，悄悄夾雜了少數幾條虛構文獻。在幾十條真實文獻中混入一條看起來無比逼真的假引用，肉眼極難察覺。

2. 同行評審制度並未完全攔截這些錯誤

奧克蘭大學的研究檢視的是通過正式同行評審的學術會議論文，但依然有部分引用的去向成謎。甚至有一篇完全捏造的論文標題，因為被其他後續論文重複引用，竟然堂而皇之被 Google 學術搜尋（Google Scholar）建立成了正式索引條目——謊言被重複多次之後，竟成了學術資料庫裡真實存在的「紀錄」！

3. 論文真實存在，依然可能被錯誤引用

這兩項研究主要檢視的是「引用的論文是否存在」。然而，哪怕論文真實存在，它依然可能遭到斷章取義，被硬塞給一個作者根本沒提過的結論。大型研究特別強調，這是比「純造假」更棘手、也更難單純靠資料庫比對解決的深層問題。

AI FactScan 能發揮什麼作用？

AI FactScan 在文獻還停留在 AI 回答視窗時就進行即時檢查。它能自動評估來源類型，並在這些文獻被複製進作業、報告或學術論文草稿之前，提醒你哪些連結值得點開確認。

這些評級將冗長雜亂的參考清單，轉化為一目了然的「閱讀優先順序」。學術資料庫、政府官方機構與新聞媒體各自扮演不同角色；而對於搜尋結果頁面或 AI 引用自己的說明，則需要特別保持警覺。

AI FactScan 能成為你最實用的第一道查核防線，清晰告訴你應該從哪裡開始檢查，哪些參考文獻最需要優先關注。

一條參考文獻就算真實存在、格式完全符合規範，依然可能根本無法支持它旁邊的那句話。

親自閱讀原文，再做最後決定

先從背負著最核心論點的那條引用開始檢查。請務必點開原始文獻，而不是只看搜尋引擎的摘要或二手轉述。核對論文標題、作者、發表年份以及 DOI 編號，接著在內文中找出支撐該結論的具體段落、圖表或實驗數據。

確認文獻存在之後，請問自己三個關鍵問題：

1. 這篇論文是真的支持這個具體論點，還是只是在聊同一個主題？
2. 研究團隊實際的研究對象與範圍是什麼？這些結論能直接套用在目前的狀況嗎？
3. AI 的回答語氣，是不是聽起來比論文原作者的結論還要武斷和確定？

查證工具能幫你大幅縮短篩檢的時間，但做出最終判斷的責任，永遠在你自己的手裡。