2026 年了，AI 给的参考文献，还有多少是编的？——ChatGPT 篇

一、引言

上一篇豆包给出的第一条参考文献，是《计算机研究与发展》上一篇真实综述配错了作者和年份。这次 ChatGPT 也给了这篇：

刘峰, 李杨, 段宏, 等. 知识图谱构建技术综述[J]. 计算机研究与发展, 2016, 53(3):582-600.

期刊、年份、卷期页码全对，第二、第三作者也对。唯独第一作者刊方记录是刘峤，条目写成了刘峰。一字之差，按这个署名去检索，检索不到这篇文章。

DeepSeek 篇 66 条宜引 16 条（24%），豆包篇 62 条宜引 28 条（45%）。ChatGPT 是同一套测试的第三家。

ChatGPT 给的参考文献，整表贴进今日宜引文，每条给出命中的数据库或刊方记录与逐字段比对，DOI 打开是别的文章的条目在此现形。

二、方法

2.1 测试设置

测试对象：ChatGPT 网页版，免费版账号。

六组 = 三种问法 × 两种模式。ChatGPT 免费版输入框有一个「思考」开关：关着是默认模式，打开后生成前先出一段思考过程，本文称思考模式。免费版界面不显示模型名，两种模式以这个开关为准。每组新开一个对话、互不共享上下文，取第一次输出。

三种问法与前两篇逐字相同，按要求的详略排序：

随手问：我毕业论文写知识图谱方向的，要写文献综述，帮我写一段，然后列一下参考文献。

提要求：帮我写一段关于知识图谱构建技术的文献综述，500字左右，语言学术一些，引用10篇文献，文末按GB/T 7714格式附上参考文献列表。

列要点：请围绕知识图谱构建技术写一段500字左右的文献综述。要求：①引用10篇真实存在的期刊论文，正文用[1][2]标注；②文末按GB/T 7714格式列出参考文献；③每条附DOI或原文链接；④不确定真实存在的文献不要引用。

2.2 判定标准

• 真实： 对 AI 输出文献的最基本要求，确有这篇文献，能定位到数据库或期刊官网的记录。部分字段可能和来源有出入。
• 完整： 按其输出的体例要求，该写的著录项都写了，而且和真实记录一致。
• 宜引： 引文真实，字段正确且完整，条目可直接引用。

2.3 核验流程

61 条经今日宜引文核验，再经人工点开数据库与刊方记录核对确保判定准确性。

三、结果

注：表中平均为各组比率的算术平均。

总计：61 条中，真实条目共 49 条；宜引条目共 37 条；真实但著录与记录不符的 12 条；不真实的 12 条，其中作者与记录对不上、无法确认是同一篇的 5 条，查无此文 7 条。

1. 目前测的几家里第一个过半。按条目数计，宜引率 61%，DeepSeek 篇 24%，豆包篇 45%。仍有四成条目不能直接引。
2. 开「思考」没有更准。默认三组 31 条里 22 条宜引（71%），思考三组 30 条里 15 条（50%）。六组最差的一组是「列要点＋思考」：prompt 写明「引用真实存在的期刊论文」「每条附 DOI」「不确定的不要引用」，模型开头自注「选取了真实存在且可检索的期刊论文」，10 条里 7 条真实，能直接引的只有 2 条。豆包篇里这个问法两种模式真实率都是 100%，到 ChatGPT 这里成了最差的一组。
3. 随手问的一组最好。不提任何格式要求、不开思考，11 条里 10 条真实、8 条宜引；这一组的回答自带来源角标（PubMed、MDPI、doi.org）。

观察项：六组都给编号条目，即顺序编码制；组 5、组 6（思考模式）在参考文献标题里写「GB/T 7714—2015」，其余四组未标版本号。默认模式三组里只有明确要求的「列要点」一组附 DOI；思考模式三组不论 prompt 是否要求，30 条里 29 条附 DOI 或链接。三组在输出里自称文献「真实」：列要点＋默认、随手问＋思考、列要点＋思考。「列要点＋思考」一组主动标出一条「建议正式提交论文前再次核验具体卷期信息」，这一条确实查无此文；同组另有两条查无此文，模型没有标。「列要点＋默认」一组的 [1] 与 [6] 是同一篇综述，模型在文末自己指出了；两条各自著录无缺陷，按条目计入，未合并。本次 61 条按 GB/T 7714—2025 核对。

四、主要错误形态

1. 真文献配错作者（9 条）： 题名与刊名对得上一篇真实文献，9 条里 5 条附了 DOI，5 条的 DOI 都与真文献记录一致，点开就是刊方页面。但作者名单却与记录不符：换了名字、多了名字，或少了一位。是本次占比最高的一类。

2. 查无此文（7 条）： 题名与刊名、年卷期页在数据库与刊方记录中均无对应。其中 5 条附了 DOI：3 条解析不出，2 条解析到的是另一篇文章。

3. 同一篇文献，两组两套著录（真实、不完整）： 有两组各自把真文献配上了另一篇文章的出处和 DOI。

4. 中文期刊英文著录：《计算机工程》上一篇中文综述，被著录成 Computer Engineering 与拼音作者。刊方记录同时登记了英文并列题名与作者，条目与之一致；但 GB/T 7714—2025 要求参考文献用信息资源本身的语种著录，这条按标准不算完整。

DOI：61 条里 8 条解析不出或解析到别的文章，全部出自思考模式三组；默认模式附 DOI 的 10 条，条条解析到本文。

五、结论

ChatGPT 给的参考文献，80% 确有其文，61% 能直接引，目前所测三家里最高，也仍有四成不能直接用。开「思考」、在 prompt 里写满要求，得到的是条条带 DOI、看起来最规整的列表，宜引率反而更低。错的形态在往难查的方向走：整条查无此文的少了，真文献配错一个作者、真文献配上别人的 DOI 多了。这些条目点开链接是真的页面，要逐字段对照记录才看得出来。

ChatGPT 给的列表贴进今日宜引文，每条附命中的数据库或刊方记录与逐字段比对，DOI 解析到他文的条目在此现形，导出按目标体例渲染。

各家 AI 的参考文献真实率横向对照，见AI 参考文献真实率榜，随各篇测评更新。

历次测试

注：各次测试的测法与产品状态不同，数字不可直接相减。

常见问题

• ChatGPT 生成的参考文献是真的吗？本次实测 61 条里 49 条确有其文、能定位到数据库或刊方记录，占 80%；其中著录也完整、能直接引的 37 条，占 61%。
• ChatGPT 开「思考」给的参考文献更准吗？没有。默认模式 31 条里 22 条宜引（71%），思考模式 30 条里 15 条（50%）；最差的一组是「列要点＋思考」，10 条只有 2 条宜引。
• ChatGPT 给的 DOI 能信吗？默认模式附 DOI 的 10 条条条解析到本文；思考模式 30 条里 29 条附 DOI 或链接，其中 8 条解析不出或解析到别的文章。打开的页面未必是这篇。
• ChatGPT 给的参考文献主要错在哪里？四类：真文献配错作者（9 条，含一位记录里没有的第三作者）、查无此文（7 条，5 条附了 DOI）、同一篇文献两组两套出处与年份、中文期刊被著录成英文。
• DeepSeek、豆包、ChatGPT，谁给的参考文献最可靠？同一套测试：DeepSeek 66 条宜引 16 条（24%），豆包 62 条宜引 28 条（45%），ChatGPT 61 条宜引 37 条（61%）。ChatGPT 最高，仍有四成不能直接用；横向对照见真实率榜。