问题
大学老师、助教和审稿人在批改论文时，怀疑参考文献可能由 AI 生成或伪造，目前只能“把参考文献一条条复制到 Google 或 Google Scholar，确认论文是否存在，再核对作者、期刊、年份和 DOI”。信号原话提到：“一篇论文几十条引用，一个班的论文一起交上来，这件事会非常痛苦。” 核验工作重复、机械且极易出错，成为批改流程中的显著瓶颈。
目标用户
大学老师、助教、研究生（帮导师核稿）以及有审稿任务的学术人。市场为高校场景下的长尾刚需：信号提到“一个班的论文一起交上来”，说明高频、批量化使用，但付费主体（个人老师 vs 院系）尚未验证，整体属于中等规模的小众市场。
解决方案
- 批量导入：上传整班论文（PDF/Word），自动抽取文末参考文献列表
- 多源核验：并行对照 Crossref、OpenAlex 等多个学术数据库，匹配标题、作者、期刊、年份和 DOI
- 可疑标记：对不存在、字段不符或疑似 AI 编造的引用打分并高亮，供老师人工复核
- 汇总报告：按学生、按论文输出核验报告，一眼看出谁的问题引用最多
AI 的角色：用 LLM 做参考文献条目的解析与规范化（不同引用格式、缩写、错字的容错匹配），并用启发式+检索结果判定引用是否可疑；核验本身依赖外部学术数据库 API。
为什么是现在
AI 写作普及后，学生论文中由 AI 生成或伪造的参考文献明显增多，手动核验成本随之上升（信号 1 的直接动因）；同时 AI 生成学术成果的堆积正在成为学界普遍问题——信号 2 提到 OpenAI 内部模型四周内产出 100+ 数学结果，每个都需要人工审查正确性与原创性，学界对“核验 AI 产出”的意识和需求都在快速升温。
MVP 范围
第一版只做：上传含参考文献列表的论文（或纯参考文献列表），自动逐条匹配 2-3 个核心数据源（Crossref、OpenAlex），输出每条引用的可信度与可疑标记，并生成一份可下载的核验报告。明确不做：全文抄袭检测、AI 生成文本检测、参考文献格式修正、期刊投稿审稿流程。
风险
- 付费意愿不明：信号中未体现任何付费意愿，老师和助教可能习惯免费工具，需先验证是否由院系或学校买单。
- 头部数据源依赖：产品价值完全依赖 Crossref、OpenAlex 等公开 API 的可用性、速率限制和数据质量。
- 匹配准确率：文献条目格式混乱（缩写、错字、年份不符）时容易误报或漏报，需人工复核兜底，否则老师信任会迅速流失。
- 已有同类产品：Reference Checker 已发布且覆盖 12 个数据源，先发者已验证需求但占据了部分心智。
- 需求量级存疑：目前核心证据来自单个发布贴，真实需求规模未经交叉验证。
已有产品
| 产品 | 定位 | 价格 |
|---|---|---|
| Reference Checker | 已在 V2EX 发布的同类产品，支持批量对照 Crossref、OpenAlex 等 12 个学术数据源核验参考文献；本卡机会可差异化于批量处理整班论文、报告导出与中文场景适配。 | — |
信号证据
这张卡片依据的原始讨论。摘录保持原文，点“原文”查看上下文。
V2EX · 分享创造10月2日新品发布1 条评论
“老师批改时，只能把参考文献一条条复制到 Google 或 Google Scholar ，确认论文是否存在，再核对作者、期刊、年份和 DOI 。一篇论文几十条引用，一个班的论文一起交上来，这件事会非常痛苦。”
大学老师需要手动逐条核验学生论文参考文献（可能由 AI 生成或伪造），非常费时。原文
The Rundown AI9月23日新能力
“That’s 100+ results in under four weeks, each needing human review for correctness, originality, and credit — the pile-up the Fields Medalists warned about.”
OpenAI's internal model has resolved 100+ open math problems in under four weeks, creating a pile-up of AI-generated results needing human review for correctness, originality, and credit.原文