艾思科蓝公众号
您当前浏览器版本过低,为了不影响您的使用,建议您使用最新的谷歌浏览器、火狐浏览器、 360浏览器,更换浏览器后使用更流畅!(注意!双核浏览器请切换为极速模式)
投稿前检测参考文献,提前发现AI幻觉、规避引用隐患、加速稿件过审
大语言模型(LLM)虽能生成语气自然且格式正确的引用,但往往会产生“幻觉”,虚构出作者、标题和日期看似真实的虚假文献。
有权威审计显示,近几年来虚假引用正呈爆发式增长,这种现象与大语言模型(LLM)产生的“幻觉”高度吻合,侵蚀着学术真实性。
错误引文可能被编辑和同行质疑,退稿补证,甚至影响学术评价和作者声誉。
AiScholar为广大科研人员提供安全可靠、高效便捷的参考文献真实性自查工具,提前排查引用问题,减少引
用引发的学术不端隐患,助力稿件快速通过初筛,避免因引用问题导致拒稿、返修、撤稿等风险。
数据仅用于检测
不收录、不留痕
操作极简,24h自助
多条批量,秒级处理
无需安装,在线即用
文本输入,即出报告
通过Crossref、OpenAlex、ORCID、中国DOI解析系统、中文文献数据库等多个国际权威数据库进行有效性验证和比对,包括智能识别真实文献、格式错误文献、虚构伪造文献。多源相互印证,避免单一库数据缺失导致误判。
自动逐字段校验作者、标题、期刊、卷/期/页码、发表年份、DOI等全部引用信息,智能区分正常格式差异与真实错误,不误判、不漏判。
内置8类伪造类型识别引擎,自动定位问题点与伪造手法。
支持一次多条批量核验,只需文本输入即可,报告逐条定位标注及解析问题条目。
自动匹配问题类型,提供针对性的优化建议及可复用的修改方案,快速修正引用错误。
自动生成PDF可视化报告,包含完整检测概况、整体评估、问题清单、逐条详情等。报告可在线查看及手动下载。