sciwrite-lint：面向科学写作时代的防造作基础设施

科学论文对先前工作的论点以引用为依据。对这些引用进行大规模验证（每个引用的论文是否存在、引用是否如其所述、其自身可靠性）在结构上超出了人类审稿的能力：典型论文有数十个引用，仔细的审稿人最终最多只阅读几个。AI辅助写作加剧了这一差距：LLM会幻觉引用，可能为从从未阅读过的论文标题或摘要中填充合理细节，尤其是小型本地权重模型更甚者。sciwrite-lint将软件工程的-lint范式应用于引用验证：它完全在研究者的机器上运行（免费公共数据库、单块消费级GPU和开源权重模型），足够快速，以便在修订之间重新-lint，使作者在撰写时能及时发现问题，同时为期刊和审稿人提供自动化的初步筛选。该管道检查引用是否存在、元数据准确性、撤稿状态以及论点支持，遍历引用论文的 bibliographies 一级，并为每个引用生成可靠性评分。我们在30篇未见过的论文（arXiv 和 bioRxiv）上进行评估，进行错误注入和LLM裁决的误报分析。该-lint工作流程还可扩展到内部一致性：文本中的数字与表格、摘要与正文、图注与内容、统计结果与其语言解释，以及结构性交叉引用（悬空引用、孤立引用）。作为独立的实验贡献，我们还提出了SciLint Score：结合引用链完整性和贡献分量， operationalize five哲学-科学框架（Popper、Lakatos、Kitcher、Laudan、Mayo）。