自动引用推荐已经从「编造不存在的论文」进化到更隐蔽的失败模式：系统引用的每篇都真实存在，但放在句子后面时，逻辑上撑不住作者的声明。2026 年 9 月 8 日的 ReCite: Agentic Reasoning for Faithful Citation 把这个问题说得很清楚——语义相似不等于证据支持。
失败模式：真实却不相关的权威感
检索增强大幅降低了幽灵引用，却强化了另一种幻觉：权威感幻觉。读者看到正式题名与年份，会默认「作者读过且用对了」。若模型只按向量近邻塞文献，审查成本被转嫁给读者。
ReCite 的论点是：忠实引用需要从 similarity search 转向 claim-level reasoning。也就是说，基本单位不是文档，而是声明。
方法：解耦的 Agentic 流程
论文描述的框架把流程拆开，而不是端到端一次生成：
- Location perception：理解声明在文章中的角色（背景、方法对比、结果支撑等）。
- Intent-aware query planning：按意图改写检索查询，而不是把整句丢进向量库。
- Reflective verification：检查候选文献是否在逻辑上支持该声明；不支持则自纠正。
作者在合成推理轨迹上训练 agent，使验证与纠错成为可学习策略。重点是「可触发的拒绝」：宁可少引，不可硬凑。
声明 C
-> 规划查询 Q1..Qk
-> 检索候选 Papers
-> 验证 support(C, p)?
yes -> 输出引用
no -> 改写查询 / 缩小声明 / 放弃引用为什么严格准确率更重要
公开摘要称，轻量框架在严格引用准确率上超过更大规模的生成模型。这并不神秘：生成模型优化的是通顺与覆盖；严格准确率惩罚的是「看起来很像」。当你把评估从「有没有引用」改成「引用是否支撑」，堆参数的收益会迅速让位给流程设计。
对学术写作工具与企业研报助手，这是产品指标该换代的信号。
和普通 RAG 引用的差别
| 维度 | 相似检索引用 | ReCite 式引用 |
|---|---|---|
| 匹配对象 | 段落向量 | 声明与证据关系 |
| 失败形态 | 漏引 / 幻引 | 显式拒绝或纠错 |
| 可解释性 | top-k 列表 | 验证轨迹 |
| 成本 | 低 | 多轮推理更高 |
成本上升换来的是可审计性。对期刊、专利、合规文档，这通常是正确的交易。
工程移植：最小可行接入
你不必先复现训练。可以先做规则版 ReCite：
- 用模型把段落切成原子声明（每条可真可假）。
- 对每条声明单独检索 5–10 篇。
- 强制第二模型回答：证据是否支持、部分支持还是不支持，必须摘录原文句子。
- 只有「支持」才允许挂引用；「部分支持」降级为「参见」并改写措辞。
- 抽 100 条人工标注，盯严格准确率，而不是引用密度。
⚠️ 警告 若你的语料只有摘要没有全文，验证器会系统性误判。声明级引用对全文或关键章节访问有硬依赖。
局限
- 合成轨迹训练可能把验证器偏置带到真实学科；
- 多声明段落的切分边界本身有歧义；
- 跨语言与预印本版本混乱会放大误匹配。
结论
ReCite 提醒生态一件尴尬的事：引用基础设施的瓶颈，已经从「找得到论文」变成「用对得起论文」。Agent 在这里的价值不是更会写，而是更会说不。把声明级验证做进写作流水线，比再换一个更大的续写模型更能减少学术与研报场景的静默错误。
评估协议建议
若你要在团队内复现 ReCite 的主张，先冻结评估协议，再改系统：
- 从真实文稿抽出 200 条声明，覆盖背景、方法、量化结果三类；
- 每条声明由两名标注者独立判断候选文献是否支持，冲突仲裁；
- 主指标用严格支持率，辅指标用部分支持率与拒引率；
- 同时报告「引用密度」，防止系统靠少引刷准确率。
没有拒引率，模型会学会「宁可不引」来刷分；没有密度，又可能鼓励空洞文风。两者一起看，才能判断是否真的更忠实。
写作助手里的产品形态
对终端用户，ReCite 不必以论文框架露面。更自然的产品是：并排显示声明、证据摘录、支持/不支持标签，并允许一键把「不支持」的句子改成更弱表述。编辑看到的是裁决，不是 agent 轨迹。轨迹留给调试模式。
在期刊与企业内部研报场景，保留轨迹还有合规价值：出了误引，可以回放当时检索与验证步骤。
与检索质量的分工
ReCite 不能拯救烂检索。若候选池里根本没有支撑文献，验证器再强也只能拒引。因此工程上仍要投资领域语料、引用图扩展与版本对齐（预印本与正式版）。ReCite 改变的是「有候选之后如何裁决」，不是「无候选时变出证据」。
把预算拆开：40% 用于召回，40% 用于声明级验证，20% 用于人工抽检与硬例回灌。很多团队把 90% 预算砸在更大的生成模型上，却让引用模块停留在 top-5 拼接，结果是文章更顺、错误更难发现。
误引的产品代价
在消费级问答里，误引可能只是体验瑕疵；在学术、金融、医疗与政策备忘录里，误引是信任事件。ReCite 把「能否支撑声明」提升为一等问题，等于承认引用是安全控件，而不是排版装饰。
若你的助手会生成带参考文献的长文，建议在发布前加一道引用门禁：任一关键量化声明缺少「支持」标签则阻断发布。门禁初期会降低产量，但能避免用流畅文风掩盖证据空洞。长期看，这比事后删文或更正声明便宜得多，也更能逼团队把语料与检索做扎实。