新研究强调LLM中的BibTeX引用错误，并提出修复方案

一篇新发表在arXiv上的研究论文详细介绍了大型语言模型生成的显著BibTeX引用错误，即使它们配备了网络搜索功能。研究发现，像GPT-5、Claude Sonnet-4.6和Gemini-3 Flash这样的模型在准确性方面存在困难，特别是对于近期或引用较少的论文，它们经常会替换整个条目或出现孤立的字段错误。为了解决这个问题，研究人员开发了“clibib”，一个开源工具，当集成到两阶段流程中时，与单阶段工具循环相比，可以显著提高引用准确性并降低回归率。 AI

影响 强调了在AI驱动的科学工作流程中提高引用准确性的必要性，并提出了一个潜在的解决方案。

排序理由 该集群包含一篇研究论文，详细介绍了LLM生成的BibTeX引用的评估和缓解方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

• arXiv
• BibTeX
• Claude Sonnet-4.6
• clibib
• Delip Rao
• Gemini-3 Flash
• GPT-5

• 论文
• 产品

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →