在2025年12月于圣地亚哥举行的NeurIPS（神经信息处理系统大会）上，一项由AI检测初创公司GPTZero发起的审计揭示了令人震惊的事实：在大会接收的4,841篇论文中，确认存在100处AI生成的虚构引用，散布在51篇不同出版物中。这一发现率先由Fortune报道，并经过BitcoinWorld详细披露，凸显了一个深刻的讽刺：全球顶尖AI研究者在其严谨的学术工作中，无意中展示了其创造的工具的缺陷。
事件概述：伪造引用的规模与性质
GPTZero的审计并非针对少数粗心研究者，而是对NeurIPS整个收录论文集的系统扫描。这些虚构引用（hallucinated citations）是AI语言模型生成的表面看似合理——包含看似真实的作者名、标题和出版物细节——但实际并不存在的参考文献。尽管100处引用在数万条总引用中占比极小，但正如GPTZero报告强调，这一发现揭示了“AI垃圾”如何通过“提交海啸”渗透学术界，对会议评审流程造成严重压力。
学术出版的系统性压力
每篇NeurIPS论文通常包含数十条引用，同行评审体系本应负责核查，但提交量的激增使得人工逐一验证变得几乎不可能。研究者们为职业晋升和声望而投稿，引用作为学术货币衡量研究影响力，而AI虚构引用则稀释了这一货币的价值。NeurIPS官方表示，受影响论文的核心研究内容可能仍然有效，但伪造引用的存在损害了会议承诺的严谨学术标准。这一问题与2025年5月发表的论文《AI会议同行评审危机》中提出的警告直接呼应。
AI研究的悖论：工具反噬自身
这一事件制造了一个显著的悖论：用于加速知识创造的AI工具，正在向知识记录中注入错误。核心讽刺问题在于：如果全球顶尖AI专家在自己的论文中都无法保证LLM生成细节的准确性，那么对于更广泛、审查更少的应用领域意味着什么？问题不仅限于疏忽，还涉及将AI辅助用于繁琐任务（如引用格式）的常态化，人类监督恰恰因为任务被视为次要或行政性而松懈。
专家视角：规模危机而非恶意
行业分析师和出版伦理专家将此事定性为规模和流程危机，而非学术不端。快速发表的压力，加上提交量指数级增长，迫使研究者尽可能使用生产力工具。大型语言模型擅长生成看起来正确的文本——模仿引用格式、作者名和看似合理的标题——使得伪造引用如果不逐行核对源材料就很难发现。这一问题因LLM输出的“黑箱”性质而加剧，模型无法解释其来源或证明生成引用的合理性。本已负担沉重的同行评审流程，不具备在数千篇长而复杂的论文中逐条核实引用的能力，造成了AI可无意利用的漏洞。
对学术出版及市场的未来影响
GPTZero的发现将催化会议和期刊处理提交方式的变革。潜在发展包括：更严格的提交指南强制要求人类验证所有引用；用于学术诚信检查的AI审计工具（如GPTZero）市场增长；同行评审引入自动预审以筛查虚构内容；以及研究界对引用作为研究诚信不可协商部分的新认识。时间线显示，问题在2025年底被发现，其影响将波及2026年及以后，包括影响Bitcoin World Disrupt 2026等大型活动的提交政策，届时AI伦理和实际应用讨论必将参考这一案例研究。
结语
NeurIPS虚构引用事件为AI和学术界敲响了现实警钟。它表明将大型语言模型整合到知识工作中会带来微妙风险，可能在最高层面损害诚信。虽然统计影响不大，但象征意义极为重要。它强调了制定新保障措施、工作流程和道德标准的迫切性，以确保用于拓展人类理解的工具不会无意中污染知识本身。前进之路需要人类专业与人工智能之间的平衡合作，并建立清晰的检查和不可推卸的责任。
关键数据速览： 4,841篇论文审计，100处虚构引用，51篇受影响论文。来源：GPTZero审计报告，Fortune，BitcoinWorld。