arXiv cs.AI· Hazrat Ali, Mohamed Elawady·· 12 小时前AI 评分27
Fabrication Severity Stack：用主流 LLM 界面零成本检测论文伪造引用
Zero-Cost Detection of Fabricated Citations: A Staged Heuristic Approach for Computing Dissertation Assessment
AI 导读
研究者提出 Fabrication Severity Stack（FSS）三级框架，按检测难度对引用伪造分类，并基于该框架设计了一套可通过主流 LLM 界面执行的分阶段启发式核验流程。
正文 · AI 翻译
摘要：生成式 AI 在学术写作中的作用日益增强，导致学位论文和学生报告中伪造参考文献的现象增多。我们提出伪造严重程度分级（Fabrication Severity Stack，FSS），这是一个三层框架，按检测难度对引用伪造进行分类——从完全不存在的参考文献到隐蔽的内容错误归属。基于 FSS，我们提出一种分阶段的启发式验证工作流，可通过主流 LLM 界面执行。我们认为，该框架为计算机科学教育工作者/考官提供了一个实用、零成本的基础，可将参考文献验证嵌入学位论文和学生报告的评估中。在一项针对 100 条引用的试点研究中（其中 20% 植入了第 1 级和第 2 级伪造），所提出的启发式工作流使主流 LLM 界面能够正确标记 10 条不存在参考文献中的 9-10 条，并部分检测出元数据篡改。这些初步结果表明，可免费访问的通用 LLM 无需依赖专有检测工具，即可在引用验证上实现高召回率。
| 评论： | 2 页摘要，已提交至 ACM SIGCSE-virtual 会议 |
| 主题： | 数字图书馆（cs.DL）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.28649 [cs.DL] |
| （或 arXiv:2610.28649v1 [cs.DL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.28649 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Hazrat Ali [查看电子邮件]
[v1]
2026 年 10 月 5 日星期一 21:13:57 UTC（30 KB）
来源：arXiv cs.AI · arxiv.org