AI引用核验的局限与人工审查必要性

AI可以快速提取论文、报告和访谈中的主题、摘要与初步论点，却不能替研究人员证明引用真实、准确且适用。引用核验的核心不是判断文字“像不像专业内容”，而是确认一条具体证据是否真的支持一句具体主张。只要这一步被自动生成结果替代，文本就可能出现来源不存在、作者与标题错配，或真实来源与错误结论被拼接的问题。

三类误差，决定人工审查不可省略

第一类是来源层面的虚构或错配。模型可能生成看似完整的作者、标题、日期和链接，但这些信息未必能指向同一份材料。人工首先要确认来源确实存在，并能被其他成员沿着作者或机构、标题、发布时间、出版物信息、页码或访谈时间等线索重新定位。无法定位的引用，只能算待核验线索，不能直接进入正式文本。

第二类是语义漂移。来源存在，并不代表引用准确。模型可能删去限定条件，扩大研究对象和适用范围；也可能把“相关”改写成“因果”，把单个受访者的观点改写成群体共识。核验时应回到原文段落、表格、注释或访谈记录，逐项检查主张的对象、范围、时间和逻辑关系。若模型表述比原文更绝对，应降低语气、补回限制条件，或删除该判断。

第三类是对应关系错误。引用格式完整，只说明排版规范，不能证明内容真实。人工还要检查引用究竟支持哪一句话，避免段末一个来源被误认为覆盖整段分析。资料事实、研究者解释和作者推断应分开表达；多个来源共同支撑一个结论时，也要明确各自承担的部分。

把人工判断放在关键节点

较稳妥的流程是：先锁定资料范围，再让AI提取和归类；随后完成来源定位、原文回查，最后统一引用格式。每条材料可以标记为“待定位”“已定位”“已回查”和“格式完成”，并保留核验记录。AI适合去重、整理和提示疑点，人工则必须决定证据是否成立、表述是否越界，以及某条内容是否应当保留。

时间有限时，应优先审查带有具体数字、影响决策、争议性较强、依赖单一来源，或语气异常确定的内容。人工审查并非把AI完成的工作全部重做，而是确保最终文本中的每个重要判断都能回到明确来源，并经得起他人复查。