Zespół naukowców opracował CiteAnchor - framework zdolny do wykrywania zmyślonych cytowań oraz identyfikowania oryginalnych źródeł naukowych artykułów. System osiąga F1 score 0.841 przy użyciu GPT-5.6 Luna i 0.784 z otwartymi modelami na istniejącym benchmarku, co stanowi wzrost o 7.9 i 36.8 punkta porównaniu z poprzednimi podejściami.
Problema hallucynacji cytacyjnych dotyczy głównie tego, że bazy bibliograficzne mogą być niekompletne, a rekordy różnią się między typami źródeł i wersjami publikacji. Tradycyjne sposoby weryfikacji polegają na znalezieniu podobnego cytowania, ale sam zbieg okoliczności nie potwierdza ani jego ważności, ani czy rzeczywiście wskazuje na prawidłowe źródło. CiteAnchor rozwiązuje to poprzez adaptacyjną weryfikację na poziomie poszczególnych pól, która uwzględnia specyficzne cechy każdego typu źródła.
Dla podkreślenia znaczenia problemu naukowcy wprowadzili CiteResolve - nowy benchmark zawierający 423 rzeczywistych zmyślonych cytowań z adnotacją dotyczącą możliwości odzyskania oryginalnego źródła. Na tym zbiorze CiteAnchor uzyskuje 74.7% i 70.7% skuteczności end-to-end, przewyższając podejścia oparte na web search o 16.3 i 65.3 punkta procentowego. Kod i dane są dostępne publicznie, co pozwoli społeczności badawczej na dalsze doskonalenie metod detekcji hallucynacji w cytowaniach naukowych.