2026年10月21日，一篇题为《CiteAnchor: Source-Aware Grounding for Hallucinated Citation Detection and Resolution》的论文提交至 arXiv，作者为 Chenyi Tong 等三人，论文编号 arXiv:2610.30355v1，属于计算与语言（cs.CL）主分类，同时涉及数字图书馆（cs.DL）方向。该论文共 18 页，含 4 幅图和 9 张表，采用 arXiv 常设的非独占许可发布，并提供 PDF、实验性 HTML 和 TeX 源码等多种获取形式。
论文关注的核心问题是“幻觉引用”（hallucinated citations），即由语言模型或自动化流程生成、在现实中并不成立或无法对应的参考文献条目。作者指出，这类虚假引用会显著增加溯源难度，使读者和审稿人难以核实科学论断背后的证据。检测之所以困难，原因在于书目记录本身常常不完整，且不同来源类型（如期刊数据库、预印本平台、会议论文集）以及同一文献的不同出版版本之间，字段内容往往存在差异。作者特别强调一个关键判断：仅仅找到一个“看似合理”的匹配，既不能证明该引用有效，也不能确立其真正对应的来源，因此匹配相似度不能替代来源验证。
为系统评估这一问题，作者构建了 CiteResolve 基准，包含 423 条来自真实场景的幻觉引用，并对每条引用标注了“来源可恢复性”，即该引用背后是否存在一个可唯一确定、可被找回的真实文献。这一标注维度使任务从单纯的“真假二分类”扩展为对可恢复性的分层判断。
在方法层面，论文提出 CiteAnchor，一个“来源感知”的 grounding 框架。其设计要点是：针对每一种来源类型分别调整检索策略与字段级验证流程，而不是对所有来源使用统一的匹配规则；同时，将“引用是否有效”与“能否恢复出唯一来源”拆分为两个独立判定的子问题，避免把二者混为一谈。
实验结果分为两部分。在已有的引用检测基准上，CiteAnchor 配合 GPT-5.6 Luna 达到 0.841 的 F1 值，配合一个开放权重骨干模型达到 0.784；在骨干模型相同的情况下，分别比基线高出 7.9 和 36.8 个百分点。在 CiteResolve 基准上，上述两种配置的端到端任务成功率分别为 74.7% 和 70.7%，相比对应的网络搜索基线分别高出 16.3 和 65.3 个百分点。开放权重骨干上的提升幅度明显更大，说明来源感知的检索与字段验证设计在基础模型能力较弱时收益更为突出。作者表示代码与数据已公开，地址为 https://github.com/oldwizard7/CiteANCHOR_code。该文目前为第一版（v1），于 2026 年 10 月 21 日 19:13:15 UTC 提交，文件大小约 612 KB，DOI 由 DataCite 分配，尚待注册。