AI编造参考文献？Academic Research Skills防泄漏协议逐条完整指南
【免费下载链接】academic-research-skillsAcademic Research Skills for Claude Code: research → write → review → revise → finalize项目地址: https://gitcode.com/GitHub_Trending/ac/academic-research-skills
把AI生成的文献列表满怀信心交给导师，导师随手一查DOI，论文根本不存在。这种翻车并不罕见：有审计统计了250万篇论文，仅2025年就估算出约14.6万条AI论文幻觉引用。Academic Research Skills（下文简称ARS）是一个面向 Claude Code 的学术技能包，覆盖研究、写作、评审、修订到定稿的全流程；它里面的防泄漏协议，就是专门治AI编造参考文献和流程这件事的。
底层思想其实就一句话：开卷考试
理解这个协议只需要一个类比：让AI写论文，相当于一场开卷考试。桌上发你的资料——也就是你提供的那套研究材料——才是可以"翻"的范围；合上卷靠脑子回忆，是不被允许的。模型的"记忆"来自训练数据，广博、流畅，也经常是错的。防泄漏协议强制写作代理优先使用本次会话的材料，写不出就明说，不许悄悄从脑子里补。
在这个原则之下，一共五条硬性规则。
5条规则逐条拆解：各拦什么事
规则一：事实性声明，会话材料优先于参数化记忆。
原文就一句话：PREFER session materials over your parametric knowledge for all factual claims。大白话：你给的数据和结论说了算，模型的"常识"只配用来组织语言。典型事故是这样发生的——你的记录里n=42，AI觉得n=50"更像标准样本量"，就顺手写成了50。
规则二：每个声明必须能回溯到注释版参考文献表或你提供的数据。
一句话：找不到出处的句子不许落笔。比如"该方法由Smith首创"——如果你的文献表里没有Smith，这句话就进不了正文。
规则三：材料没覆盖的议题，打[MATERIAL GAP]标记，不从记忆补写。
意思是：查不到就说查不到。假设大纲要求一节"局限性"，材料里却没有失败记录，正确做法是留个标记，而不是凭空造一个"样本量不足"。
规则四：注释版参考文献表之外的文献，未经你明确许可不许引入。
这条管的是"名册"：文献表就是名册，加人要走审批。有次AI"想起"一篇很贴切的2024年论文，自然地补进了正文——哪怕它真实存在，没有你的授权也不能上名册。
规则五：Methods章节只描述材料中记载的流程，禁止推断和插补。
这条最严，原文措辞也最硬：do not infer or interpolate experimental procedures。最危险的例子是这种——你实际做了3次重复，AI写成5次，因为"看起来更可靠"。行文完全通顺，只有对照实验记录才会穿帮。
看到[MATERIAL GAP]时：为什么留白才是对的行为
很多人看到标记的第一反应是：论文没写完啊。但这恰恰是设计要点——🚩 摆在明面上的缺口看得见；看不见的、被模型偷偷填满的缺口才危险。
标记一出现，你有两个选择：补充材料喂进流水线，或者明确授权AI针对那一处缺口补写。经授权补的内容会带上[LLM-SUPPLEMENTED]标签写进草稿元数据，一致性审查时能清楚看到哪段是模型写的、哪段有你的材料做底。AI的每一次"自由发挥"都会留痕。
三种翻车：表面正常，对照材料才穿帮
协议专门针对三类失败，它们的共同点是"内容看起来很专业"：
- 方法论虚构🧪——Methods写得流畅，设备、参数都有模有样；对照你的实验记录一核对就穿帮：你实际跑的是另一套流程。
- 隐式知识泄漏——行文自信满满，一核对日期和数值，才发现是模型记忆里的旧内容，不是你这项研究得到的。
- 无意抄袭——没有恶意，但逐句比对后会发现，某段文字与训练数据里某篇论文几乎逐字相同。
三类的共同特征：单看文字挑不出毛病，只有对照原始材料才露馅。防泄漏协议的作用，就是把"对照材料"变成写作时的默认动作。
写作之外：四道校验关卡各自拦什么
不押注单点防御，是ARS的基本立场。围绕参考文献真实性，流水线里一共设了四道关。
关卡一：引用存在性校验，确定性脚本
自v3.11起，每条被引用的文献都会交叉核对四个学术索引——Semantic Scholar、OpenAlex、Crossref、arXiv。DOI或arXiv ID明确查不到，脚本直接判"不存在"。这一步完全不用AI判断：查询结果是事实，把"是否存在"交给可能正是编造者的模型，等于让造假者自审。校验逻辑在 verify_passport.py 与 scripts/verification_gate/。
关卡二：初稿、终稿各一道一致性门禁
初稿和终稿都要过Stage 2.5/4.5一致性门禁，两道都不可跳过。审查代理必须逐一排除7种已知AI研究失败模式（Mode 2是引用幻觉，Mode 6是方法论虚构）；任何一项被判"疑似"，流水线直接暂停，等你处理，机器不替你踩油门。团队压测时曾出现21条问题引用蒙过多轮核对、总体错误率高达31%的情况，这道关就是为此设的。
关卡三：Phase E论点验证，查"存不存在"之外还查"用没用对"
真实文献也可能被引错——拿它支撑它根本没说的结论。Phase E抽取文中关键声明（数字、因果判断、趋势描述）逐条回原文核对：高影响声明100%验证，其余按比例抽检，判定分VERIFIED到"无法验证"共五档。只要出现一条"重大扭曲"或"无法验证"，一致性报告直接FAIL。
关卡四：数据访问分级，材料严格分层
每个技能在元数据里声明自己的数据访问级别（raw / redacted / verified_only），未经验证的原始材料和已验证材料分道流动。设计意图很简单："答题者"的手边，不能混进"答案"。原理见 ground_truth_isolation_pattern.md。
装完就能跑：装 → 跑 → 盯标记三步走
1. 装。已安装 Claude Code 的话，在里头执行两条插件命令：
/plugin marketplace add Imbad0202/academic-research-skills /plugin install academic-research-skills2. 跑。直接说"我要写一篇关于X的研究论文"，它会按研究 → 写作 → 评审 → 修订推进。防泄漏协议生效的前提是：流水线里给了研究问题简报、综述报告、注释版参考文献表三件套，且处于full或revision模式。只想试水，也可以单说一句"对这份材料做文献综述"。
3. 盯标记。看到[MATERIAL GAP]就补材料；看到[LLM-SUPPLEMENTED]就重点复核那段。所有覆盖性决定都要你确认，并且都会留痕在AI披露说明里。
关键文件速查
| 路径 | 看什么 |
|---|---|
| anti_leakage_protocol.md | 五条规则的原文与激活条件，核心必读 |
| ai_research_failure_modes.md | 7种失败模式清单，一致性门禁的核对底稿 |
| claim_verification_protocol.md | Phase E论点核对的具体规则 |
| RISK_REGISTER.md | 风险、控制措施与证据状态的一一对照 |
| SKILL.md | 写作技能总纲，协议的挂载点 |
收尾：这一关不能输
防泄漏协议的价值，不是让AI"更能写"，而是让每一句话、每一条引用、每一步实验都答得上来"它从哪来的"。当AI学术写作防幻觉从口号变成可执行流程，论文的底线才算守住了。
引用要可查，流程要有据——这一关，输了就全输。
【免费下载链接】academic-research-skillsAcademic Research Skills for Claude Code: research → write → review → revise → finalize项目地址: https://gitcode.com/GitHub_Trending/ac/academic-research-skills
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
