Nature：首个能写综述论文的开源AI模型来了，大幅减少科研“幻觉”，堪比人类专家

科学进步取决于科研人员综合日益增多的文献资料的能力，面对科学文献的爆炸式增长，科研人员如何才能快速筛选、总结海量文献？大语言模型（LLM）是否能够在这方面为科研人员提供帮助？

在日常生活中，很多人会用到 ChatGPT、DeepSeek 等大语言模型来聊天、写邮件或生成答案，但当你问它一个专业、前沿的科学问题，它可能会给出看似合理但实际虚构的答案，甚至编造根本不存在的论文引用。这种“幻觉”问题在科研领域尤为致命，因为准确性是科学的生命线。

而现在，一项发表于 Nature 期刊的研究给出了解决方案——OpenScholar，这是一个专为科研打造的 AI 助手，不仅能准确回答复杂的科学问题，生成综述论文，还解决了 AI 喜欢胡编乱造的“幻觉”难题。

该研究来自华盛顿大学、艾伦人工智能研究所，于 2026 年 2 月 4 日在线发表于 Nature 期刊，论文题为：Synthesizing scientific literature with retrieval-augmented language models。

OpenScholar 是一个检索增强的语言模型（Retrieval-Augmented Language Model），它能够从 4500 万篇开放获取（Open Access）论文中智能检索相关段落，生成带引用的长篇综述论文（涵盖计算机科学、物理学、神经科学和生物医学领域），其引用准确率与人类专家相当，并在多项测试中超越了 GPT-4o 等主流大模型。更令人惊喜的是，研究团队全面开源了 OpenScholar，为科研社区提供了一个透明、可复现的工具。

OpenScholar 是什么？科研文献的“智能管家”

如果你是一名研究人员，需要写一篇关于“人工智能在医疗诊断中的应用”的综述论文。通常情况下，你需要花费数周甚至更长时间阅读上百篇相关研究论文，筛选关键信息，构思框架，最终完成综述论文的撰写、修改。

而 OpenScholar 就像一个高效的智能助手，只需输入问题，它就能在几分钟内合成一份结构清晰、引用准确的综述论文。

OpenScholar 的核心创新在于其全开放、可检索增强的架构。它不依赖“黑箱” API，而是构建了一个包含 4500 万篇开放获取论文的专用数据存储（OpenScholar DataStore，OSDS），并配备了训练过的检索器和生成模型。该系统通过以下步骤工作：

1、检索阶段：从多个来源（例如学术数据库和网络搜索）智能抓取相关论文段落。

2、生成阶段：语言模型基于检索到的内容起草答案，并标记引用。

3、自反馈循环：模型会自我审查初稿，提出改进意见（例如“需要补充更多实验数据”），并迭代优化答案，确保事实性和覆盖范围。

OpenScholar 推理（上）和训练流程（下）

这张图清晰展示了 OpenScholar 的工作流程：从输入查询到最终输出，每一步都注重证据支撑。这种设计直接针对了当前 AI 在科学领域应用的痛点——例如，该研究显示，当要求 GPT-4o 引用计算机科学或生物医学等领域的近期文献时，其在 78%-90% 的情况下编造了引用，而 OpenScholar 的引用准确性堪比人类专家。

如何评估 AI 的“科研能力”？ScholarQABench 基准登场

要判断一个 AI 系统是否可靠，需要严格的测试标准。为此，研究团队开发了 ScholarQABench，这是首个大规模、多领域的科学文献合成基准。它包含近 3000 个由专家编写的问题，覆盖计算机科学、物理、神经科学和生物医学等领域，要求模型生成长篇、多论文支持的答案。

与以往只关注选择题或短答案的基准不同，ScholarQABench 引入了多维评估协议，包括自动指标（例如引用准确性）和人类专家基于量表的评分（覆盖范围、连贯性、写作质量等）。例如，在“计算机科学”部分中，专家会列出答案必须包含的关键要点，AI 的回答需要满足这些“评分标准”才能得分。

上图是一个评估示例：问题、评分标准和 AI 输出的对比。这种设计确保了评估的客观性，避免了 AI “刷分”的可能。

实验结果：小模型大能量，OpenScholar 全面领先

OpenScholar 在 ScholarQABench 上的测试结果令人印象深刻。尽管 OpenScholar 的核心模型参数量仅为 80 亿（远小于 GPT-4o 的规模），但它在多项任务中表现优异：

• 正确率提升：在需要多论文合成的任务中，OpenScholar-8B 比 GPT-4o 高出 6.1%，比 PaperQA2 高出5.5%。
  
• 引用准确性：OpenScholar 的引用 F1 分数达到 47.9%，而 GPT-4o 几乎为 0。
  
• 成本效益：使用高效的检索管道，OpenScholar-8B 的成本比基于 GPT-4o 的商业系统更低。
  
  

更引人注目的是人类评估结果：16 位人类专家在盲测中比较了 AI 回答和人类专家撰写的答案。结果显示，人类专家在 50.8% 和 70.0% 的情况下选择了 OpenScholar-8B 和 OpenScholar-GPT-4o 的回答，而 GPT-4o 的这一比例仅为 31.9%，人类专家认为，OpenScholar 的回答更全面、信息深度更大，而这正是撰写综述论文所需的关键能力。

AI，正在改变科研范式

OpenScholar 的推出标志着 AI 在科学领域的应用迈出重要一步。它不仅是工具的创新，更体现了开放科学的精神——通过可复现的系统，降低科研门槛。对于忙碌的科学家和学生来说，这类 AI 助手有望将文献回顾从“苦役”变为高效探索。

OpenScholar、ScholarQABench 概述及评估结果

未来，随着多模态学习和用户反馈的整合，OpenScholar 可能会变得更智能，从而成为科研人员的真正“协作者”，让科研工作更聚焦于创新而非信息筛选。

论文链接：

https://www.nature.com/articles/s41586-025-10072-4

杀毒AI：人工智能生命规则与恶意软件疫苗如何改变游戏规则  
January 09, 2025
  网络安全的威胁格局不断演变，现代防护策略的需求也随之变化。人工智能（AI）在这一环境中发挥着关键作用：基于AI的恶意软件检测比传统的杀毒解决方案更为有效，因为它能够检测到基于签名系统常常遗漏的新型和未知威胁。
在Protectstar™，我们开发了一套独一无二的恶意软件疫苗系统，该系统基于AI生命规则和我们的Deep Detective™技术，能够提供针对恶意软件的特别有效保护。

AI与恶意软件疫苗：关键因素我们的杀毒AI系统甚至能够识别由政府机构开发的高度复杂的木马程序——这些包括高级持续性威胁（APT），如Pegasus或FinSpy。仅在2025年1月，全球超过五百万安卓用户报告了共计52,340次对这些“国家支持”威胁的检测。
我们保护系统的核心元素是AI生命规则，由AI实时创建，用以检测新出现的恶意软件并立即保护用户。

AI生命规则：动态实时检测AI生命规则是我们恶意软件疫苗系统的创新部分。AI云端分析每一个新发现的威胁，并立即利用位置和元数据创建定制规则。例如，如果一种新型恶意软件在澳大利亚悉尼出现，AI就会生成相应的AI生命规则，保护全球所有用户免受该威胁——甚至在传统签名更新发布之前。

恶意软件疫苗：为您的设备提供数字“免疫”我们的恶意软件疫苗就像是数字设备免疫系统的“加强针”。系统不再仅依赖已知签名，而是通过动态模式识别主动识别新型和未知的恶意软件。目前，超过1.28亿条记录的检测签名持续与可疑进程的行为进行比对。如果系统检测到新威胁，全球所有用户都会自动且实时地“接种疫苗”，无需手动更新。

引领网络安全新纪元Protectstar的恶意软件疫苗系统生动展示了AI如何革新当今的网络安全领域。通过结合AI生命规则和恶意软件疫苗，我们打造了一个多层次的保护机制，以最佳方式保护数字设备免受当前及未来威胁。免疫过程大多在后台进行，无需用户额外操作或等待。
然而，AI在网络安全中的日益广泛应用也带来了隐私、透明度以及攻击手法持续发展的挑战。这更促使我们不断调整和优化系统，确保用户设备始终获得最高级别的保护。

了解更多Protectstar的人工智能： www.protectstar.com/en/artificial-intelligence
杀毒AI： www.protectstar.com/en/products/antivirus-ai
借助杀毒AI和我们创新的恶意软件疫苗系统，我们在对抗高度先进威胁的道路上迈出了关键一步。得益于AI生命规则的实时生成和所有用户的自动“疫苗接种”，您的数字环境将获得全面保护——无论是现在还是未来。