CheckIfExist：检测 AI 生成内容中的引用幻觉

大型语言模型（LLM）在学术工作流程中的广泛应用引入了对文献完整性前所未有的挑战，尤其是通过引用幻觉现象——生成看似合理但不存在的文献引用。近期的调查研究已记录到即使在神经网络信息处理系统年会（NeurIPS）和国际机器学习研究者年会（ICLR）等顶级会议录取的论文中也存在 AI 幻觉式的文献引用，凸显了自动化验证机制的紧迫性。本文提出了 "CheckIfExist"，一个开源的基于网页的工具，旨在通过多源验证（CrossRef、Semantic Scholar 和 OpenAlex 学术数据库）提供即时文献引用验证。虽然现有的参考文献管理工具提供了文献组织功能，但并不提供引用真实性的实时验证。商业幻觉检测服务虽然日益增多，但常常在免费版上施以限制性使用限制，或需要支付大量订阅费用。该工具通过采用分层验证架构和字符串相似度算法计算多维匹配置信度得分，在不断为引用真实性提供即时反馈方面填补了这一空白。该系统支持单条引用验证和通过统一界面处理 BibTeX 条目批量处理，能在数秒内返回经验证的 APA 格式引用和可导出的 BibTeX 记录。