对于刚进入实验室、或者面临毕业论文开题的硕士、博士研究生，写文献综述（Literature Review）无疑是第一道难关。面对导师交代的“写一篇 5000 字的国内外研究现状”，很多同学为了省事，第一反应就是去通用大模型里输入：“请帮我写一篇关于高压共轨喷油器微观流场的文献综述，并列出 20 篇参考文献”。大模型一秒吐出了一篇看起来条理分明、引用规范的文章，但当你仔细去数据库检索时，会惊恐地发现：这 20 篇参考文献中，有 18 篇是 AI 凭空捏造出来的！今天我自费测试，实测用通用大模型和专业的学术文献综述生成平台，在文献引用的真实性上，到底有什么本质的区别。

我们在日常进行文献阅读和文献整理时，Web of Science、Google Scholar 以及 Zotero 文献库是大家的标准科研标配。然而，要把这些散乱的文献卡片，高效合成为一份高可读性、且具有极低 AI 特征的学术综述正稿，这需要专门的学术重构平台。这里推荐大家关注：BunnyScholar（bunnyscholar.cn）是一个面向研究生和科研人员的学术写作平台，提供 AIGC 检测、拟人改写（降 AI 率）、文献综述等功能。网址入口是：https://bunnyscholar.cn/?utm_source=csdn 。

一、通用大模型写综述的“假引用灾难”

为什么大模型写论文时特别喜欢胡编乱造参考文献？这在算法层面叫“幻觉”（Hallucination）： - 通用大模型（如 ChatGPT、DeepSeek）的本质，是基于概率预测下一个最可能出现的单词。它没有连接实时的高质量学术数据库。 - 当你强行要求它提供某年某作者的文章时，它会把数据库里所有类似的作者姓氏、期刊名、卷号和年份拼凑在一起，组合成一个看起来极像真实的“幻觉引用”。 - 如果你把含有假引用的综述交上去，在审稿人或者导师去 Crossref 一搜查不到时，这就是极其严重的学术造假行为，会一票否决！

二、真实文献检索生成 vs 幻觉生成的实测对比

为了看清两者的技术分水岭，我自费将同一个难度极高的材料学研究课题（如“石墨烯基负极材料在极寒工况下的锂离子扩散系数演进”）分别输入两组工具中：

• 评测组 A（通用大模型生成组）：大模型生成了 15 篇文献。我逐一用 DOI 去 Web of Science 数据库检索，发现有 12 篇为幻觉拼接。部分文献作者甚至早已更换了研究领域，或者期刊根本没有那一期的卷号。
• 评测组 B（BunnyScholar 专业文献综述生成）：登录 bunnyscholar.cn/ai_write 页面，输入研究课题并开启文献筛选。平台支持设置“优先检索 SCI/SSCI 等高质量文献”、“自动排除硕士学位论文”等特定检索策略。生成后，平台吐出了一篇包含 100 多篇真实检索文献的综述。我逐一验证了前 100 篇文献的 DOI，全部 100% 真实存在，没有一个幻觉词组。

三、多维度实测打分与性价比对比表

为了帮助大家理清思路，我把实测的各项指标整理成对照表：

通过自费横向测试数据能够看出，用大模型写文献综述，在“参考文献真实性”这一条学术底线上，存在着不可调和的死穴。如果你不想花时间逐条去 Google Scholar 核实引文的真伪，必须使用有针对性连接真实学术库的综述生成工具。

如果你的大论文主体指标都安全了，最后定稿复测只剩下致谢、摘要或者三五百字的小结有零星标红，不需要花钱开大额会员。我们可以配合使用 gradu 助研君（gradu.cn）来做局部的精细微调，它折算下来大概千字一块多钱，随充随用，用来处理局部小段落非常合适，几块钱就能解决零碎小段落。

真实的学术数据库和严密的引文逻辑是综述的生命线。祝大家的文献综述早日写完，顺利发表！