深度验证
由 AI 智能体驱动的二次验证：自主规划查询、阅读结果、判断何时确信，而不是按固定流水线跑。
什么是深度验证？
深度验证把引用交给 AI 智能体。智能体读取你的引用、决定搜什么、向学术数据库发起查询、判断候选结果,然后给出判定或继续搜索。当 Fast 返回 Unsure 或 Not Found 时使用它。
默认模式。在学术数据库中跑结构化精确搜索——回路里没有 AI 智能体。便宜、快,适合干净的参考文献列表。
由 AI 智能体端到端驱动搜索:自己挑查询、读结果、逐个判断候选。最适合 Fast 无法确认的引用。
什么时候用深度验证
Fast 返回 Unsure 或 Not Found 时,或者你已经知道引用棘手、希望从一开始就让 AI 智能体处理时,就用深度验证。
- 1
文中引用
描述被引文献但没有完整文献条目的句子(例如 "Smith 等人提出了 X")。Fast 的解析器派不上用场——智能体能直接对描述进行推理。
- 2
信息残缺或简短的引用
缺少关键字段的引用(例如只有作者和年份,没有标题)。智能体会用现有信号即兴构造查询,如果首次尝试无果就扩大搜索范围。
- 3
疑似 AI 编造的引用
来自 AI 生成文本、你怀疑可能不存在的引用。智能体在放弃之前会查得更狠,确认时也更严格,杜绝伪造引用蒙混过关。
- 4
关键引用
需要额外信心时——例如投稿截止前。把引用交给智能体相当于获得一份更细致的第二意见。
实例
三个 Fast 处理不好、AI 智能体物有所值的具体场景。
文中引用
Fast 解析不了——没有文献条目,只是一句描述。结果:跳过或 Unsure。
智能体读句子,从中抽出 "transformer"、"self-attention"、"Smith 2017" 作为搜索信号,查到对应论文并确认匹配。
残缺的引用
Fast 没的可匹配——没标题、没期刊、没合作者。结果:Not Found 或低置信 Unsure。
智能体会即兴尝试:先单独 "Wang 2018",再结合上下文相关词扩展,根据已知信息逐个判断候选,最后给出匹配或诚实返回 Not Found。
疑似编造的引用
Fast 可能找到一个标题相似的部分命中并标 Unsure,留给你自己判断这篇论文是否真实。
智能体跑多次查询,在所有学术数据库中都没找到匹配记录,直接判定为 Inauthentic,明确标记为伪造。
如何触发深度验证
两种方式:在 Verify 按钮旁的下拉菜单选 "Deep" 让整批走 AI 智能体;或在结果卡片上点单条 Deep Verify 按钮,只把那一条交给智能体。
[1] Smith, J. (2020). On the foundations of citation verification.
On the foundations of citation verification
单条按钮只在 Fast 完成后的结果上出现——点击后这一条会被交给 AI 智能体重跑。
智能体如何工作
深度验证跑的是一个 AI 智能体,它自主驱动搜索——决定查什么、读结果,在确信时停止。
- 智能体读取你的引用,自己规划搜索策略——作者+年份、标题关键词、期刊、改写后的主题——而不是按固定模板执行。
- 通过 tool 调用查询学术数据库,审视返回的候选,决定提交判定还是再做一次搜索。
- 一旦智能体得到确信的匹配(或排除了引用),就停止——不再多花调用,不再多扣积分。
- 如果智能体什么也确认不了,你会看到 Not Found——这时可以申请建议替换引用(见下一篇指南)。
成本
深度验证每条引用大约需要 Fast 5 倍的积分,因为 AI 智能体跑多次搜索,并使用更强大的模型逐批判断候选。具体倍率显示在下拉菜单的描述里。
提示:先用 Fast 整批跑一遍;只对有问题的引用用单条 Deep Verify 按钮触发智能体。这样能把成本压到最低。
最佳实践
两种工作流几乎覆盖所有场景——选最匹配你输入的那种。
先把整段文本走一遍 Fast。便宜、快,一遍就能搞定容易的那些。然后看 Unsure 或 Not Found 的卡片,点单条 Deep Verify 按钮,只把这些有问题的引用交给 AI 智能体。这是大多数论文和参考文献列表的推荐工作流。
对于复杂的输入——大量文中引用的段落、混排格式的引用、结构很弱的来源、Fast 一直返回不确定的文本——直接在下拉菜单选 Deep 让整批跑。AI 智能体是唯一能端到端处理这类输入的模式。