2026年10月21日，一篇題為《CiteAnchor: Source-Aware Grounding for Hallucinated Citation Detection and Resolution》的論文提交至 arXiv，作者為 Chenyi Tong 等三人，論文編號 arXiv:2610.30355v1，屬於計算與語言（cs.CL）主分類，同時涉及數字圖書館（cs.DL）方向。該論文共 18 頁，含 4 幅圖和 9 張表，採用 arXiv 常設的非獨佔許可釋出，並提供 PDF、實驗性 HTML 和 TeX 原始碼等多種獲取形式。
論文關注的核心問題是“幻覺引用”（hallucinated citations），即由語言模型或自動化流程生成、在現實中並不成立或無法對應的參考文獻條目。作者指出，這類虛假引用會顯著增加溯源難度，使讀者和審稿人難以核實科學論斷背後的證據。檢測之所以困難，原因在於書目記錄本身常常不完整，且不同來源型別（如期刊資料庫、預印本平臺、會議論文集）以及同一文獻的不同出版版本之間，欄位內容往往存在差異。作者特別強調一個關鍵判斷：僅僅找到一個“看似合理”的匹配，既不能證明該引用有效，也不能確立其真正對應的來源，因此匹配相似度不能替代來源驗證。
為系統評估這一問題，作者構建了 CiteResolve 基準，包含 423 條來自真實場景的幻覺引用，並對每條引用標註了“來源可恢復性”，即該引用背後是否存在一個可唯一確定、可被找回的真實文獻。這一標註維度使任務從單純的“真假二分類”擴充套件為對可恢復性的分層判斷。
在方法層面，論文提出 CiteAnchor，一個“來源感知”的 grounding 框架。其設計要點是：針對每一種來源型別分別調整檢索策略與欄位級驗證流程，而不是對所有來源使用統一的匹配規則；同時，將“引用是否有效”與“能否恢復出唯一來源”拆分為兩個獨立判定的子問題，避免把二者混為一談。
實驗結果分為兩部分。在已有的引用檢測基準上，CiteAnchor 配合 GPT-5.6 Luna 達到 0.841 的 F1 值，配合一個開放權重骨幹模型達到 0.784；在骨幹模型相同的情況下，分別比基線高出 7.9 和 36.8 個百分點。在 CiteResolve 基準上，上述兩種配置的端到端任務成功率分別為 74.7% 和 70.7%，相比對應的網路搜尋基線分別高出 16.3 和 65.3 個百分點。開放權重骨幹上的提升幅度明顯更大，說明來源感知的檢索與欄位驗證設計在基礎模型能力較弱時收益更為突出。作者表示程式碼與資料已公開，地址為 https://github.com/oldwizard7/CiteANCHOR_code。該文目前為第一版（v1），於 2026 年 10 月 21 日 19:13:15 UTC 提交，檔案大小約 612 KB，DOI 由 DataCite 分配，尚待註冊。