学术写稿鄙俚需要破耗无数元气心灵查询文件援用萝莉 操，而以 ChatGPT、GPT-4 等为代表的通用谎言语模子（LLM）天然粗略生成运动文本，但连接出现"援用幻觉"（Citation Hallucination），即模子虚拟持造文件援用。这种征象严重影响了学术论文的果真度与专科性。

当今，加拿大滑铁卢大学与卡内基梅隆大学的华东说念主参议团队，建议了一种名为 ScholarCopilot 的智能学术写稿大模子框架，出奇针对学术场景，用功于于精确地生成带有准确援用的学术文本。

ScholarCopilot 与传统模式的隔离

传统的检索增强生成（Retrieval-Augmented Generation, RAG）模式接管"先检索、再生成"的静态历程，这种神态存在以下问题：

检索与生成过程相互孤苦，容易导请安图不匹配；

无法把柄险峻文需求动态调遣援用计策，影响援用准确性。

针对这些局限性，ScholarCopilot 建议了一种"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，并生成一个特地的检索信号（ [ RET ] ）；

随后实时检索学术数据库中的相干文件，将检索到的内容融入后续生成过程；

通过聚首优化生成任务和检索任务，普及援用的准确度与相干性。

通俗来说，ScholarCopilot 的写稿神态更接近东说念主类真确的写立场俗：平时平日撰写论文内容，当需要援用文件时再主动检索相干文件的 BibTeX 信息插入援用，随后链接撰写下文。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雅致相干。

ScholarCopilot 的性能进展

参议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 论文进行锻真金不怕火，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%，权贵卓越现存的检索模子：

E5-Mistral-7B-Instruct（15.0%）

BM25（9.8%）

论文生成质料方面（包括相干性、连贯性、学术严谨性、完竣性和立异性），详细得分为 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 年学术写稿教训的学生（5 名博士、4 名硕士、1 名本科生）参与的真东说念主评测中：

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越 70%。

ScholarCopilot 的不及与未来标的

尽管得回了权贵跳跃，ScholarCopilot 仍存在一些局限性。通过上述用户调研，受访者建议了以下几点篡改建议：

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普及；

立异性不及：

咫尺模子在生确立异性思法和参议问题方面进展一般，还有较大篡改空间。

此外，受访者还建议未来版块可议论：

与主流学术写稿平台（如 Overleaf）进行更雅致的整合；

赞助分章节孤苦生成和放浪光标位置的文本预测功能。

参议团队默示，这些反映观念为后续缔造提供了明确的篡改标的。

后续瞻望

ScholarCopilot 参议团队但愿通过不断优化模子性能、膨大检索数据库和篡改用户交互体验，让参议东说念主员在学术写稿中能更专注于参议自身，而非繁琐的文件检索与援用惩办。

现时相干论文、代码与模子还是公缔造布，感好奇瞻仰好奇瞻仰的读者可自行了解详备信息，进一步体验与评估该模子的骨子进展：

论文贯穿：https://arxiv.org/pdf/2504.00824

技俩网站：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」「谨防心」

迎接在驳斥区留住你的思法！

—  完  —

学术投稿请于责任日发邮件到：

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 / 技俩主页贯穿，以及相干神态哦

咱们会（尽量）实时请问你

� � 点亮星标 � �

科技前沿进展逐日见萝莉 操