无需后端,做一个论文引用核验插件
文章将引用核验拆成题名搜索、标识符元数据比对、期刊卷页与作者记录检查,并展示通过 Crossref 等公共接口实现浏览器端查询。它明确区分书目信息核验与论据判断:文献真实存在,并不代表支持引用它的结论。
AI 深度解读
AI 生成的参考文献,格式像真的,DOI 也能打开,却可能指向另一篇论文。原文引用的一项基准中,AI 临床回答里能解析的 116 个 DOI,有 99 个对应错了文章。链接有效,远远不够。
作者把一套五分钟人工核验流程做成了无后端的浏览器扩展:直接查询公开学术数据库,再逐字段比较。对做 RAG、写作工具和文档生成的开发者,这篇最有用的是划清了边界:程序能核对文献身份,但不能据此断定它支持正文结论。
能打开 DOI,为什么还不能算核验通过
作者的人工流程有五步:搜索完整标题;解析标识符并比较标题、第一作者、年份和期刊;核对期刊卷期与页码;检查作者发表记录;阅读原文,判断是否支持引用它的论点。
前四步主要是查询和比较,可以自动化。第五步需要理解内容,属于另一类问题。
文献存在、信息正确、支持论点,是三件不同的事。
下面这段代码通过 Crossref 获取 DOI 对应的元数据,输出标题、第一作者姓氏和年份:
const doi = "10.1038/nature14539";
const res = await fetch(`https://api.crossref.org/works/${encodeURIComponent(doi)}`);
const { message } = await res.json();
console.log(message.title?.[0], message.author?.[0]?.family, message.issued?.["date-parts"]?.[0]?.[0]);
重点是最后一行拿到的字段。它们还需要和待核验引用逐项比较;请求成功,只证明数据库里有这个 DOI 的记录。
没有标识符时,可以用标题寻找候选。作者给出的 OpenAlex 示例是:
const title = "Deep learning";
const url = `https://api.openalex.org/works?filter=title.search:${encodeURIComponent(title)}&per-page=5`;
const { results } = await (await fetch(url)).json();
results.forEach(w => console.log(w.display_name, w.publication_year, w.doi));
注意 filter=title.search: 和 per-page=5:这里返回的是最多五条搜索候选,还需要核对标题、作者等字段,不能拿第一条结果直接盖章。
无后端扩展,靠什么覆盖不同类型的引用
作者开发的 Fake Citation Detector 是免费的 Chrome/Edge 扩展。它先查 DOI、ISBN、arXiv ID 或 PMID;没有可用标识符,再用标题和作者跨库搜索。
数据库包括 Crossref、OpenAlex、DataCite、PubMed、Open Library 和 Semantic Scholar。原因很实际:图书、数据集、预印本分散在不同索引里,单个数据库查不到,不代表引用是编造的。
因此,扩展没有只给「真、假」两个结果,而是分成四类:
confirmed:核验通过。wrong details:找到文献,但引用字段有误。not found:没有查到,需要继续调查。web source:网页来源,走网页核验流程。
字段错误会并排展示,例如引用年份与数据库年份,并支持一键生成七种引用格式的修正版。网页来源则抓取内容进行比较,失效链接会尝试查找 Internet Archive 存档。
这些请求由浏览器直接发给公共数据库,不需要账号、代理或作者自建的后端,参考文献列表也不必集中存到作者的服务器。原文称大部分查询依赖免费、支持跨域请求(CORS)的公开 API,但没有展开各服务的请求限制和异常处理。
我的判断
我认同「先标识符、再跨库检索、最后展示字段差异」这个顺序。它比只检查 DOI 能否解析多走了关键一步,也比直接贴上「假引用」标签更谨慎:索引覆盖不全时,保留不确定性才合理。
作者报告,2026 年 10 月测试了覆盖七种引用格式的 397 条参考文献:222 条真实引用没有一条被标成「未确认」;120 条 AI 编造引用全部识别;55 条故意改错一个细节的真实引用中,识别出 53 条。
这组结果支持继续尝试,但不足以证明普遍可靠。原文没有交代样本来源、学科分布、字段匹配阈值,也没有给出与其他工具的对照数据。对一般团队而言,这仍是作者自报的单组测试。
无后端还省去了服务端部署,却没有消除对外部 API 的依赖。扩展遇到限流、跨域限制或服务故障时如何区分「查不到」与「查不了」,原文没说清。作者也明确承认,工具不判断原文是否支持论点,不能用它替代内容审读。
能拿来做什么
- 给 AI 写作或文档生成工具增加核验环节:先解析标识符,再比较标题、第一作者、年份和期刊,把差异展示给用户。
- 在前端引用列表里保留「未查到」状态,并提供人工复核入口。不要把数据库缺少记录直接显示成「AI 编造」。
- 为 RAG 输出分别检查引用身份和论据支持程度。前者可以参考这套公开 API 查询流程,后者仍需回到原文判断。
- 评估类似工具时,同时准备真实引用、编造引用和单字段被改错的引用,并记录具体漏检情况,避免只看一个总准确率。