美国华盛顿大学与艾伦人工智能研究所的研究人员推出一款专为科研打造的开源AI助手——OpenScholar，不仅能准确回答复杂科学问题并生成综述论文，更有效攻克了AI容易产生“幻觉”的难题。作为一个检索增强的语言模型，OpenScholar能够在计算机科学、物理学、神经科学和生物医学等领域提供高质量服务，其引用准确率已与人类专家相当，并在多项测试中超越了GPT-4o等主流大模型，为科学研究提供了强有力的辅助支持。相关研究成果于2026年2月4日发表在《自然》期刊上。

OpenScholar的核心创新在于其全开放、可检索增强的架构设计。该系统不依赖“黑箱”API，而是构建了一个包含4500万篇开放获取论文的专用数据存储，并配备了经过训练的检索器和生成模型。其工作流程分为三个关键步骤：首先在检索阶段从海量学术资源中智能抓取相关段落；随后在生成阶段基于检索内容起草答案并标记引用；最后通过独特的“自反馈循环”进行自我审查与迭代优化，确保内容的事实准确性与覆盖广度。

为严格验证系统可靠性，研究团队开发了首个大规模、多领域科学文献合成基准ScholarQABench。与以往仅关注选择题或短答案的评估方式不同，该基准引入了多维评估协议，涵盖引用准确性等自动指标以及覆盖范围、连贯性、写作质量等人类专家评分。测试结果显示，尽管OpenScholar的核心模型参数量仅为80亿，远小于GPT-4o的规模，但其在多项任务中表现优异，展现了小参数模型在科研应用中的巨大潜力。

信息来源：

https://www.nature.com/articles/s41586-025-10072-4

https://mp.weixin.qq.com/s/RLvxzbO4EnHTmpF5zb_0Jg