2026 年了，AI 给的参考文献，还有多少是编的？——DeepSeek篇

版本注：本文数据为 2026 年 9 月 14 日于 DeepSeek 网页版中测得，历次测试数据见文末。

一、引言

用 AI 辅助写过论文、查过文献的人，应该都见过输出末尾那列参考文献：题名、作者、年卷期页等，排得整整齐齐，有的每条都附上了来源链接。这些条目具体能查到几条？我们做了一个测试。

AI 给出的参考文献列表，整表粘贴进今日宜引文，逐条核对真实性与著录字段，附可点出处。

二、方法

2.1 测试设置

测试对象：DeepSeek 网页版。2026-09-10 该产品把快速、专家、识图三个模式入口合并为一个统一模式，本次在合并后的统一模式下测试，取第一次输出为测试材料。

变量：三种问法 × 两种设置（默认：智能搜索开、深度思考关；深思：两者全开），每组新开对话、互不共享上下文。模式入口合并后，这两个开关仍在输入框上，所以两次测试的设置轴相同。

三种问法按提问的详略程度设置（prompt 原文如下）：

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。

prompt 中不指定 GB/T 7714 的版本号，也不指定顺序编码制或著者-出版年制；AI 默认采用哪一版、哪一制，作为观察项记录。

输出的样子两次相同：正文带角标，文末一列编号条目，回答自带「搜索到 N 个网页」。下图是首测（2026 年 7 月）时的一例。

2.2 判定标准

• 真实：存在唯一真实文献与该条对应，题名与第一作者均与数据库或刊方记录一致。
• 完整：依据 GB/T 7714（2025版），引用文献的必备著录项都有且与真实记录一致。
• 宜引：真实且完整的条目。

2.3 核验流程

将 AI 给出的参考文献列表逐条通过我们的应用（今日宜引文）核验，在其基础上人工点开来源链接逐条确认，确保结果的可靠性；66 条中，应用与人工的判定一致 64 条，其余两条逐条复核后以人工判定为准。

三、结果

注：表中平均为各组比率的算术平均。

总计：66 条中，真实条目共 33 条；宜引条目共 16 条；整条不写责任者的 27 条；作者名单与记录不符的 6 条。66 条全部能对到一篇真实存在的文献。

1. 没有一组过半，最高的一组 50%（列要点＋深思），最低的一组 12%（随手问＋深思）。
2. 给得最多的一组最不能用。「随手问＋深思」一口气给了 17 条，是六组里最多的，其中 10 条整条没有作者，宜引只有 2 条。要求越松、输出越长，可用的比例越低。
3. 在 prompt 里点名「引用真实存在的期刊论文」「不确定真实存在的文献不要引用」并要求附 DOI 的「列要点」问法，两种设置下的宜引率都是同设置里最高的（20%、50%）：提问技巧能改善结果，替代不了逐条核对。
4. 没有完全凭空捏造的条目。66 条基本都能对应到一篇真实存在的文献，但能直接引用的比例并没有因此提高，错法从「给错作者」换成了「不给作者」。

观察项：六组输出的参考文献均为编号条目，即顺序编码制；均未标注 GB/T 7714 的版本号。六组回答都自带「搜索到 N 个网页」，检索是开着的。应用对六组的体例识别均为 GB/T 7714・顺序编码，依 2025 版标准核对。

四、主要错误形态

AI 生成文献的通病是幻觉编造、张冠李戴、细节缺失三类。本次测试的问题主要集中在后两类，具体到字段是这几种：

1. 整条不写责任者： 题名、刊名、卷、期、页码往往都对，唯独没有作者；另一条给足了刊名与期号，作者六人一个没写，这是本次最常见的一种。

2. 真文配错作者： 有写错一个字的，一篇《贵州大学学报（自然科学版）》综述的第一作者「杨观赐」写成「杨观鹏」；有换成另一位真实学者的，一篇《计算机科学与探索》综述署名钱慎一，刊方记录的第一作者是张静；也有整组换人的，一条署名 HOFFER 等的会议论文，真身署的是另一批作者。题名与链接都真，作者名单不真，粗略核查难以发现，人工核验也容易遗漏。

3. 刊名与卷号张冠李戴： 一篇《控制与决策》2025 年 40 卷 12 期的综述，被标成《计算机科学与探索》2025 年 19 卷 12 期，刊名与卷号都换了，页码却仍是真刊的那一段。会议论文则常只写泛称，真身是另一个小规模的会议。

4. DOI 四种情形： 真文真号；条目所给的号解析不出、真文另有其号；把数据库的内部编号当成 DOI 写上去；真文有 DOI 却没附。

5. 文章编号与页码的偏移： 一篇文章编号 217 写成 216；有的条目页码漏了续页等这类小偏移。

基本上各字段都有错配或遗漏的情况。

五、结论

AI 给出的参考文献，即便条条都对应真实文献，也仍然不能直接引用：本次 66 条全都有真身，能直接用的只有 16 条。凭空编造的问题这次没有出现，取而代之的是漏。其中最常见的是整条不写作者，题名刊名卷期页都给了，唯独把该署谁的名字留白。逐条核验之后才能用。

用 AI 起草的文献综述，交稿前把参考文献整表过一遍：今日宜引文逐条比对数据库，有出入的给出修正值，按目标体例导出。

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

常见问题

• DeepSeek 生成的参考文献是真的吗？实测 66 条里 33 条「真实」（题名与第一作者均与数据库或刊方记录一致），一半不成立；真实且著录完整、能直接引用的 16 条，占 24%。
• DeepSeek 附了链接的参考文献能直接用吗？不能。链接常常真实、点开就是刊方页面，作者名单却与刊方记录不符，或者条目干脆不写作者。
• 开深度思考和联网搜索会让参考文献更准吗？没有一组过半。最新一次六组里最高的是「列要点＋深思」50%，最低的是「随手问＋深思」12%：同样开深思，问得越松反而越差。
• DeepSeek 给的参考文献主要错在哪里？五种：整条不写责任者（最常见）、作者名单与记录不符、刊名与卷号张冠李戴、DOI 解析不出或没附、文章编号与页码的偏移。
• 豆包给的参考文献比 DeepSeek 准吗？同一套测试的豆包篇：62 条中 45 条真实（73%）、28 条宜引（45%）；快速模式会整条虚构，专家模式少凭空编但会张冠李戴。
• ChatGPT 给的参考文献比 DeepSeek 和豆包准吗？同一套测试的 ChatGPT 篇：61 条中 49 条真实（80%）、37 条宜引（61%），三家里第一个过半；开「思考」反而更差，10 条只有 2 条宜引。