为什么 ChatGPT 总是伪造文献？
你是否遇到过这样的情况：让 ChatGPT 为某个观点提供参考文献，结果却发现这些论文根本不存在？
ChatGPT 是一个生成式模型，它的核心逻辑是基于模式预测下一个词。它能完美模仿出文献引用的格式——包括作者、期刊名甚至 DOI——但它无法保证这篇论文真实存在。它知道引用“看起来”应该是什么样子，但它并没有实时检索所有科学文献的数据库来核实验证。
核心问题在于：我们在要求 AI “生成”事实，而不是“检索”事实。
“反向检索”新策略
与其向 AI 索要参考文献列表，不如采用**“反向检索”**（Reverse Search）的思路。
传统的文献检索流程是：
关键词 ➔ 找论文 ➔ 阅读 ➔ 提取论点
反向检索的流程则是：
写出论点 ➔ 寻找特定的文献来支撑它
这在撰写论文的“讨论”（Discussion）部分时尤为有效。因为在那个阶段，你通常已经有了一个明确的观点，只需要找到一个具体的来源来支撑你写下的那句话。
2026 年的高效写作工作流：ChatGPT + LitSource
1. 概念构思（ChatGPT）
不要再找 ChatGPT 要文献了。你可以这样向它提问：
- “关于 [某主题]，目前有哪些不同的研究角度？”
- “帮我为这个问题设计一个 PubMed 检索式。”
- “这是某篇论文的摘要，请帮我总结它的核心贡献。”
2. 全局搜索
使用 PubMed 或 Google Scholar 对该主题进行全景式了解，确保你的研究大方向是存在的。
3. 主导写作
自己动手撰写草稿，把重点放在你想表达的论点和段落结构上，清晰地写出你的每一个主张。
4. 反向查找引用（LitSource）
这里是关键所在。把你写好的一条具体句子粘贴到 LitSource 中。
LitSource 会在后台将你的句子转化为语义向量，并在 PubMed 数据库中搜索具有相似语义的论文。它不仅返回候选论文，还会直接高亮出论文中与你意图匹配的具体句子。
5. 润色打磨（ChatGPT）
当你通过 LitSource 获取到了真实、可验证的文献后，可以再利用 ChatGPT 基于这些确凿的证据对最终的文本进行润色。
10 分钟小实验
你现在就可以尝试：拿出一句你觉得“最难找引用”的论述，确认这个大方向在 PubMed 中是存在的，然后用 LitSource 去寻找确切的文献支持。这种“AI 构思 + 语义数据库检索”的组合，才是当下最高效、最可靠的论文写作方式。