English(EN) Citing Less Critically: LLMs Reshape the Rhetoric and Reach of Scientific Citation

大语言模型重塑科学引用，引用更不挑剔且更广泛

作者 PulseAugur 编辑部 · [1 个来源] · 2026-09-02 04:00

一篇发表在arXiv上的新研究揭示，大语言模型（LLMs）正在重塑科学引用实践。研究人员发现，与人类相比，大语言模型倾向于不那么挑剔地引用文献，偏爱更旧、更受欢迎的论文。此外，大语言模型会过度引用与引用语境在社交上距离较远的作者，而人类作者通常会在其更紧密的社交网络内引用。这些发现表明，大语言模型可能会扩大引用的范围，但也可能放大可见性偏差，并减少对近期、小众作品的批判性参与。 AI

排序理由该集群包含一篇发表在arXiv上的研究论文，详细介绍了大语言模型行为的发现。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

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

本文如何被排名

Signal score: 31 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群包含一篇发表在arXiv上的研究论文，详细介绍了大语言模型行为的发现。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, other; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.CL TIER_1 English(EN) · Yixuan Liu, Lin Chen, Zhuoqi Liu, Jianglin Lu, Dakota Murray · 2026-09-02 04:00

引用不再那么关键：大型语言模型重塑科学引用的修辞和影响力

arXiv:2609.01432v1 Announce Type: cross Abstract: Scientific citations carry rhetorical intent. Scholars may cite prior work positively (supporting), negatively (contrasting), or neutrally (mentioning). As large language models (LLMs) increasingly assist scientific writing, wheth…

本文如何被排名

报道来源 [1]

引用不再那么关键：大型语言模型重塑科学引用的修辞和影响力

相关实体

相关话题