AI论文写作中的“幻觉”是什么？

「幻觉」不是模型故意骗人，而是它会生成读起来很像真的、实际上对不上出处的内容。论文场景里，最危险的不是个别病句，而是假文献、张冠李戴的观点，以及凭空出现的数据。

生成式模型按统计规律续写文本，并不查询你学校的数据库。它可能拼出完整的作者、刊名、年份、页码，甚至 DOI，排版像 GB/T 7714，检索却找不到，或找到的是另一篇文章。

论文里常见的几种幻觉

1. 幽灵文献。 条目不存在，或作者真实、题目虚假。 2. 细节错配。 文献是真的，年份、卷期、结论被改错。 3. 观点嫁接。 A 的方法安到 B 的结论上，综述读起来很顺，原文对不上。 4. 数据幻觉。 问卷均值、显著性、访谈原话像从结果章抄来，实际从未采集。 5. 过时当新。 把旧共识说成 2026 年的新进展。

这些内容的共同特征是：你若不去打开原文，很难一眼识破。

为什么写论文时特别容易中招

论文需要大量引用和术语。你若提示「列出二十篇核心文献」却不提供你已经检索到的清单，模型只能「补全」一个像样的书目。你若让它「根据常识写第三章」，它会用套话填满字数。看起来完成了任务，其实把核对工作留给了答辩和抽检。

学校规定通常不允许伪造引用与数据，无论是否由 AI 生成。幻觉一旦进终稿，责任仍是作者的。更系统的风险说明见 如何正确使用 AI 辅助论文写作。

怎么识别、怎么挡住

• 凡准备进参考文献的条目，必须能在知网、出版社或 DOI 解析页打开。
• 正文里每一句「某某指出」，都应对回原文段落，而不是回聊天记录。
• 禁止让模型「生成实验/问卷结果」；没有数据就缩小题目或补调研。
• 提示里写明：只整理我提供的文献与笔记，不得新增未经验证的条目。
• 关键数字、定义、法条、公式，用人眼对照来源。

学校抽检和期刊审稿越来越会追问出处，把幻觉当小事会在终稿阶段集中爆发。

一个实用习惯：把「像真的」当成警报而不是安慰。条目越完整、语气越肯定，越要去数据库搜。搜不到就删；搜到了但对不上年份或结论，就改成你真正读过的那一篇。综述里宁可少引两篇，也不要留一条打不开的文献。

用 PaperX 写作时，也建议把文献和草稿放在一起，边写边核出处。工具降低的是来回切换的成本，不是核验义务。

把核验当成写作步骤的一部分，而不是交稿前的突击。

一句话： 幻觉就是「像论文、不像证据」。辅助整理可以，把模型输出当原文不行；要核对原文，并遵守学院对生成式 AI 的规定。