CiteAnchor 提出源感知 grounding 框架以检测和解决模型幻觉引用

CiteAnchor 是一个针对模型生成幻觉引用的源感知 grounding 框架，配合 CiteResolve 基准（包含 423 个真实世界的幻觉引用样本）共同发布。该框架针对不同来源类型自适应检索和字段级验证，分别判定引用有效性及唯一来源的可恢复性。在现有检测基准上，使用 GPT-5.6 Luna 作为骨干时达到 0.841 F1 分数，使用开源权重骨干时达到 0.784，分别比同骨干基线高出 7.9 和 36.8 个百分点；在 CiteResolve 基准上端到端任务成功率分别为 74.7% 和 70.7%，优于对应网络搜索基线 16.3 和 65.3 个百分点。

核心证据在于其处理 bibliographic records 不完整或跨来源差异的能力，通过区分“引用是否有效”与“能否恢复唯一来源”两个独立判断来解决 plausible match 无法验证的问题。代码和数据已公开，但具体实现细节如微调策略、数据清洗流程未在摘要中披露。

事实层面确认了该框架在特定基准上的性能提升；推断层面表明该方案可能成为 RAG 系统中引用验证的标准组件；猜测层面认为若开源骨干表现稳定，将降低企业部署可信引用检查的成本。目前尚无法确定其在非学术场景（如商业报告生成）中的泛化能力。