学术写稿泛泛需要消费无数元气心灵查询文件援用性吧地址，而以 ChatGPT、GPT-4 等为代表的通用大说话模子（LLM）天然概况生成运动文本，但常常出现"援用幻觉"（Citation Hallucination），即模子造谣合手造文件援用。这种征象严重影响了学术论文的真实度与专科性。

当今，加拿大滑铁卢大学与卡内基梅隆大学的华东谈主商量团队，提倡了一种名为 ScholarCopilot 的智能学术写稿大模子框架，专诚针对学术场景，奋勉于精确地生成带有准确援用的学术文本。

ScholarCopilot 与传统设施的鉴别

传统的检索增强生成（Retrieval-Augmented Generation， RAG）设施弃取"先检索、再生成"的静态历程，这种样式存在以下问题：

检索与生成过程相互寂静，容易导问候图不匹配；

无法字据高下文需求动态调遣援用计谋，影响援用准确性。

针对这些局限性，ScholarCopilot 提倡了一种"边生成、边检索"的动态机制：

在生成文本时，模子动态地判断何时需要援用文件，并生成一个迥殊的检索信号（ [ RET ] ）；

随后实时检索学术数据库中的干系文件，将检索到的内容融入后续生成过程；

通过连合优化生成任务和检索任务，擢升援用的准确度与干系性。

简便来说，ScholarCopilot 的写稿样式更接近东谈主类果然的写稿民风：平时时常撰写论文内容，当需要援用文件时再主动检索干系文件的 BibTeX 信息插入援用，随后延续撰写下文。同期，模子在撰写后续内容时，也会参考已插入的援用文件，确保生成的文本与援用内容致密干系。

ScholarCopilot 的性能潜入

商量团队以阿里云近期发布的 Qwen-2.5-7B 模子为基础，使用了 50 万篇 arXiv 论文进行查验，并在多个维度上进行了性能评估：

援用检索准确性（Top-1 accuracy）达到 40.1%，显耀卓绝现存的检索模子：

E5-Mistral-7B-Instruct（15.0%）

BM25（9.8%）性吧地址

论文生成质料方面（包括干系性、连贯性、学术严谨性、完好性和改进性），笼统得分为 16.2（满分 25），高于参数目更大的 Qwen-2.5-72B-Instruct 模子（15.8）和 Qwen-2.5-7B-Instruct 模子（13.9）。

在一项由 10 位领有平均 4.2 年学术写稿训戒的学生（5 名博士、4 名硕士、1 名本科生）参与的真东谈主评测中：

ScholarCopilot 在援用质料上的用户偏好率达到 100%；

举座实用性偏好率卓绝 70%。

ScholarCopilot 的不及与改日标的

尽管获取了显耀向上，ScholarCopilot 仍存在一些局限性。通过上述用户调研，受访者提倡了以下几点阅兵建议：

内容生成更全面：

模子在生成内容的丰富性与信息全面性方面仍需进一步擢升；

改进性不及：

面前模子在生成改进性念念法和商量问题方面潜入一般，还有较大阅兵空间。

此外，受访者还建议改日版块可斟酌：

与主流学术写稿平台（如 Overleaf）进行更致密的整合；

撑持分章节寂静生成和淘气光标位置的文本预测功能。

商量团队示意，这些响应见解为后续开拓提供了明确的阅兵标的。

后续瞻望

ScholarCopilot 商量团队但愿通过束缚优化模子性能、彭胀检索数据库和阅兵用户交互体验，让商量东谈主员在学术写稿中能更专注于商量自己，而非繁琐的文件检索与援用处分。

刻下干系论文、代码与模子也曾公开拓布，感深嗜的读者可自行了解介怀信息，进一步体验与评估该模子的内容潜入：

论文运动：https://arxiv.org/pdf/2504.00824

神气网站：https://tiger-ai-lab.github.io/ScholarCopilot/

演示视频：https://www.youtube.com/watch?v=QlY7S52sWDA

一键三连「点赞」「转发」「阻止心」

宽贷在批驳区留住你的念念法！

—  完  —

学术投稿请于使命日发邮件到：

ai@qbitai.com

标题注明【投稿】，告诉咱们：

你是谁，从哪来，投稿内容‍

附上论文 / 神气主页运动，以及干系样式哦

咱们会（尽量）实时回应你

� � 点亮星标 � �

科技前沿进展逐日见性吧地址