作品阶段标注可演示原型已用于日常工作—— 本文所有判定结果均来自真实 API 调用覆盖我自己待投手稿中 6 条 Related Work 断言。一、需求从哪来写 Related Work 时我的每条引用都可能出错我是一名做开放世界目标检测Open-World Object DetectionOWOD的研究生正在准备投稿。论文写到最后阶段最消耗心力的不是方法而是Related Work 里的每一句话。一篇 Related Work 有几十条对他人工作的引用每一条都包含三类容易出错的事实数字类断言比如该方法仅增加 0.1% 额外参数——数字一旦记错审稿人一眼就能看出来方法归属类断言“XX 在 M-OWODB 上接近饱和”——这句话对不对取决于原始论文的真实结论设计细节类断言“XX 要求训练前固定未知类数量”——说错设计细节等于替作者造谣。人工核验的痛点是每条断言要打开搜索引擎、逐条比对来源、判断哪个来源权威、确认时间和出处一条平均 10~20 分钟还容易漏。更重要的是我自己想找证据的时候搜索引擎的结果质量参差不齐——博客、搬运站、同名论文混在一起很难快速判断这句话到底有没有权威来源支持。所以我想做一个工具输入一条论文断言输出已核验 / 存疑判定 完整证据链把 20 分钟的人工活压缩到几秒钟顺便解决投稿前查截稿日期、CCF 分级的零碎查询。二、为什么需要搜索核验的本质是多来源交叉验证事实核验的本质不是搜到一条相关结果而是用多个独立权威来源对同一断言做交叉验证。这就要求检索能力具备三个特性多来源同一个断言要用不同措辞分别检索我称之为双盲查证避免拿同一查询的重复结果冒充多来源可溯源每条结果必须带 URL、时间、站点、相关度证据链能点开复查可过滤能限定学术行业、能指定域名、能控制时效。元宝搜索的 SearchPro 服务腾讯云对外开放的搜索 API恰好满足这些要求调用一次返回 title / date / url / site / score / passage支持industryacad学术过滤、site域名限定、freshness时效控制。接入方式也很简单——服务 API KEY直接POST即可不需要复杂的签名流程importrequestsimportosfromdotenvimportload_dotenv load_dotenv()resprequests.post(https://api.wsa.cloud.tencent.com/SearchPro,headers{Authorization:fBearer{os.getenv(WSA_API_KEY)},Content-Type:application/json},json{Query:UC-OWOD open world object detection,Industry:acad},timeout15,)pagesresp.json()[Response][Pages]# 每条含 title/date/url/site/score真实密钥已安全存放于本地环境变量本文所有截图与结果均来自真实调用。三、怎么实现一个能装进投稿工作流的核验管线整个项目用 Python 3.12 实现拆成两层CLI 批量核验跑整条断言列表Gradio 交互演示三个 Tab。核心链路只有四步第一步鉴权与检索封装api_client。统一处理重试、超时、调用计数把腾讯云返回的错误码映射成中文提示UnauthorizedOperation / RequestLimitExceeded 等写论文期间配额用完了能立刻知道。第二步意图识别与查询词构造query_builder。同一个断言生成 3 种不同措辞的查询 数字精简查询 领域/数据集限定查询。比如断言FOMO reports that a plain foundation-model detector nearly saturates M-OWODB会同时检索原句、原句加arXiv、以及消歧查询fomo m-owodb。这一步是整个工具的侦查能力来源。第三步权威分级与内容门槛verifier。维护学术/官方域名白名单arXiv、DOI、ACM、IEEE、Springer、OpenReview、官方项目仓库等区分权威来源 / 普通来源 / 弱来源博客、搬运站。判定时要求证据必须同现断言的主体词 指标词 数据集词断言含数字时数字必须真的出现在权威证据里且至少来自2 个独立权威域名。任一条件不满足就降级为存疑并写明原因——宁可漏判不可误判。第四步输出与私域知识库report kb。每条断言输出判定卡含证据链可点开复查和 CSV 核对表另外把我自己的论文手稿main.tex清洗成可检索的知识库21 个段落回答MEMO 如何更新原型库这类论文内部细节问题时先答论文原文再用公共检索补外部佐证——这就是混合问答。四、得到什么6 条真实断言2 条已核验、4 条存疑——每条都有原因我拿自己 CVPR 手稿的 Related Work 提取了 6 条可核验断言跑了一遍完整流程。这是全文最硬的部分判定全部来自真实检索。断言判定核验说明iCaRL 保留少量旧样本并重训✅ 已核验多源一致arXiv / DOI / NatureDual Memory 用双记忆发现新类别✅ 已核验多源一致arXiv / DOIMR-GDINO 仅增加 0.1% 额外参数⚠️ 存疑数字未在权威来源摘要片段中出现召回限制人工复核FOMO 报告纯基础模型检测器近乎饱和 M-OWODB⚠️ 存疑正确拦截权威证据全是同名FoMo遥感论文无任何 M-OWODB 内容UC-OWOD 训练前须固定未知类数量⚠️ 存疑证据真实原始论文 DOI 在列但仅单权威源保守判法RandBox 用随机区域建议训练 Fast R-CNN⚠️ 存疑同上证据真实但权威源覆盖不足完整核对表含每条的证据数、独立来源域名、首条证据 URL见文末。迭代过程本身就是结果按真实失败改了三轮工具不是一次写对的是按真实检索结果迭代出来的这三轮最能说明问题第一轮暴露 3 个查询缺陷freshnessy3时效过滤把 2017 年的 iCaRL、2023 年的 RandBox 原始论文直接筛掉只召回不相关的近期文章doi.org不在权威白名单出版商的官方 DOI 链接被当成普通来源arXiv 子域名aps.arxiv.org被误算成独立来源。修复后RandBox 和 iCaRL 从存疑转为已核验。第二轮暴露同名误判FOMO 最初被判 ✅但点开证据链发现全是FoMo遥感森林监测、机器人导航数据集、表格异常检测——短方法名撞名严重证据根本没出现断言里的数据集 M-OWODB。于是给判定加了内容门槛定性断言也必须验证证据同现数据集/关键内容。修复后 FOMO 正确转为存疑。第三轮平衡精度与召回内容门槛一刀切导致 UC-OWOD、RandBox 被误降级证据是原始论文但片段覆盖不足改为短主体词FOMO/Dual才要求关键内容同现专属长名UC-OWOD/RandBox主体匹配即可。投稿决策与混合问答两个附加场景投稿决策输入CVPR 2026返回 26 条去重结果含官网新闻cvpr.thecvf.com 官方CVPR 2026 收到 16,000 篇投稿、截稿信息、高校录用动态按相关度排序——投稿前查截稿日期和官方通知一次搞定。混合问答问MEMO 如何更新原型库私域知识库直接答出论文 Anti-Forgetting 分析DEUS 从 Task2 的 61.0 掉到 Task4 的 50.5相对下降 17.2%而 MEMO 仅小幅下降和 SACD 自适应发现细节公共检索则补充外部来源。这里有个有意思的发现公共搜索里MEMO被同名产品MIT 的 LLM 记忆框架 MeMo淹没——这恰恰说明私域知识库不可替代你的论文细节公共搜索帮不上忙。五、实际效果真的抓到了手稿里的问题工具最大的价值是它真抓到了一个我自己没发现的问题手稿 Related Work 里写着“Zohar et al. adapt foundation detectors directly to OWOD in FOMO and report that a plain foundation-model detector nearly saturates M-OWODB”。核验结果显示这条断言找不到任何权威支持——进一步人工查证发现FOMO 论文真实存在斯坦福 AI 实验室官网https://ai.stanford.edu/~orrzohar/projects/fomo/但官方页写明其未知类 mAP 约为基线的 3 倍仍有显著提升空间OW-OVDCVPR 2025 补充材料给出 FOMO 在 M-OWODB 上的 U-mAP 仅 2.6且 FOMO 有 FOMO/LLM 与 FOMO/IN 两种变体并非plain检测器。近乎饱和这个说法与权威来源矛盾这句话必须在投稿前改写或重新核实引用。效率对比同样直观6 条断言工具批量核验一次调用 23 次检索活动期内配额 6000 次/月无压力全程几十秒人工逐条核对同样内容按一条 10 分钟算需要两个小时以上还未必查得全。工具也有明确的局限我在设计上选择保守数字类断言如 0.1% 额外参数受搜索摘要片段截断影响数字常常不在片段里此时工具不冒险判已核验而是判存疑并给出证据链和原因由人工点开确认。这不是缺陷是设计选择——事实核验工具的价值恰恰在于宁可漏判不可误判把不确定的信息明确标注出来。六、结语这个项目的定位很简单把写论文时的查证焦虑交给一个带证据链的检索管线。它证明了一件事——搜索 API 的正确用法不只是搜一搜而是把它变成可编程的、带判定逻辑的事实核验基础设施。未来我会继续做三件事把整篇论文的\cite全部批量跑一遍生成引用审计表给数字核验加证据页内容抓取解决摘要片段截断把私域知识库扩展到全部实验笔记。欢迎交流评论区留下你写论文时最头疼的引用问题我可以用这套工具帮你核验。附录真实运行截图附录6 条断言完整核对表CSV 节选断言判定证据数首条证据MR-GDINO … 0.1% extra parameters⚠️ 存疑29arxiv.org/html/2610.00982v1FOMO … nearly saturates M-OWODB⚠️ 存疑32portal.acm.org/doi/10.1609/aaai.v39i27.35002UC-OWOD … fixed before training⚠️ 存疑17doi.org/10.1007/978-3-031-20080-9_12RandBox … random region proposals⚠️ 存疑32arxiv.org/html/2410.11301v1Dual Memory … working and semantic memories✅ 已核验21arxiv.org/html/2506.10484iCaRL … retrains on past exemplars✅ 已核验25doi.org/10.1609/AAAI.V37I8.26216作品阶段可演示原型已用于日常工作。运行方式python run_cli.py verify 断言或python app.py打开 Gradio 演示页。仓库地址https://github.com/goodgoodstudier/yuanbao-factcheck 
长河君 · 2026/10/22 21:00:01 · 阅读 1.2k 【元宝搜索开发者征文大赛】用元宝搜索 SearchPro 给论文手稿做事实核验
作品阶段标注可演示原型已用于日常工作—— 本文所有判定结果均来自真实 API 调用覆盖我自己待投手稿中 6 条 Related Work 断言。一、需求从哪来写 Related Work 时我的每条引用都可能出错我是一名做开放世界目标检测Open-World Object DetectionOWOD的研究生正在准备投稿。论文写到最后阶段最消耗心力的不是方法而是Related Work 里的每一句话。一篇 Related Work 有几十条对他人工作的引用每一条都包含三类容易出错的事实数字类断言比如该方法仅增加 0.1% 额外参数——数字一旦记错审稿人一眼就能看出来方法归属类断言“XX 在 M-OWODB 上接近饱和”——这句话对不对取决于原始论文的真实结论设计细节类断言“XX 要求训练前固定未知类数量”——说错设计细节等于替作者造谣。人工核验的痛点是每条断言要打开搜索引擎、逐条比对来源、判断哪个来源权威、确认时间和出处一条平均 10~20 分钟还容易漏。更重要的是我自己想找证据的时候搜索引擎的结果质量参差不齐——博客、搬运站、同名论文混在一起很难快速判断这句话到底有没有权威来源支持。所以我想做一个工具输入一条论文断言输出已核验 / 存疑判定 完整证据链把 20 分钟的人工活压缩到几秒钟顺便解决投稿前查截稿日期、CCF 分级的零碎查询。二、为什么需要搜索核验的本质是多来源交叉验证事实核验的本质不是搜到一条相关结果而是用多个独立权威来源对同一断言做交叉验证。这就要求检索能力具备三个特性多来源同一个断言要用不同措辞分别检索我称之为双盲查证避免拿同一查询的重复结果冒充多来源可溯源每条结果必须带 URL、时间、站点、相关度证据链能点开复查可过滤能限定学术行业、能指定域名、能控制时效。元宝搜索的 SearchPro 服务腾讯云对外开放的搜索 API恰好满足这些要求调用一次返回 title / date / url / site / score / passage支持industryacad学术过滤、site域名限定、freshness时效控制。接入方式也很简单——服务 API KEY直接POST即可不需要复杂的签名流程importrequestsimportosfromdotenvimportload_dotenv load_dotenv()resprequests.post(https://api.wsa.cloud.tencent.com/SearchPro,headers{Authorization:fBearer{os.getenv(WSA_API_KEY)},Content-Type:application/json},json{Query:UC-OWOD open world object detection,Industry:acad},timeout15,)pagesresp.json()[Response][Pages]# 每条含 title/date/url/site/score真实密钥已安全存放于本地环境变量本文所有截图与结果均来自真实调用。三、怎么实现一个能装进投稿工作流的核验管线整个项目用 Python 3.12 实现拆成两层CLI 批量核验跑整条断言列表Gradio 交互演示三个 Tab。核心链路只有四步第一步鉴权与检索封装api_client。统一处理重试、超时、调用计数把腾讯云返回的错误码映射成中文提示UnauthorizedOperation / RequestLimitExceeded 等写论文期间配额用完了能立刻知道。第二步意图识别与查询词构造query_builder。同一个断言生成 3 种不同措辞的查询 数字精简查询 领域/数据集限定查询。比如断言FOMO reports that a plain foundation-model detector nearly saturates M-OWODB会同时检索原句、原句加arXiv、以及消歧查询fomo m-owodb。这一步是整个工具的侦查能力来源。第三步权威分级与内容门槛verifier。维护学术/官方域名白名单arXiv、DOI、ACM、IEEE、Springer、OpenReview、官方项目仓库等区分权威来源 / 普通来源 / 弱来源博客、搬运站。判定时要求证据必须同现断言的主体词 指标词 数据集词断言含数字时数字必须真的出现在权威证据里且至少来自2 个独立权威域名。任一条件不满足就降级为存疑并写明原因——宁可漏判不可误判。第四步输出与私域知识库report kb。每条断言输出判定卡含证据链可点开复查和 CSV 核对表另外把我自己的论文手稿main.tex清洗成可检索的知识库21 个段落回答MEMO 如何更新原型库这类论文内部细节问题时先答论文原文再用公共检索补外部佐证——这就是混合问答。四、得到什么6 条真实断言2 条已核验、4 条存疑——每条都有原因我拿自己 CVPR 手稿的 Related Work 提取了 6 条可核验断言跑了一遍完整流程。这是全文最硬的部分判定全部来自真实检索。断言判定核验说明iCaRL 保留少量旧样本并重训✅ 已核验多源一致arXiv / DOI / NatureDual Memory 用双记忆发现新类别✅ 已核验多源一致arXiv / DOIMR-GDINO 仅增加 0.1% 额外参数⚠️ 存疑数字未在权威来源摘要片段中出现召回限制人工复核FOMO 报告纯基础模型检测器近乎饱和 M-OWODB⚠️ 存疑正确拦截权威证据全是同名FoMo遥感论文无任何 M-OWODB 内容UC-OWOD 训练前须固定未知类数量⚠️ 存疑证据真实原始论文 DOI 在列但仅单权威源保守判法RandBox 用随机区域建议训练 Fast R-CNN⚠️ 存疑同上证据真实但权威源覆盖不足完整核对表含每条的证据数、独立来源域名、首条证据 URL见文末。迭代过程本身就是结果按真实失败改了三轮工具不是一次写对的是按真实检索结果迭代出来的这三轮最能说明问题第一轮暴露 3 个查询缺陷freshnessy3时效过滤把 2017 年的 iCaRL、2023 年的 RandBox 原始论文直接筛掉只召回不相关的近期文章doi.org不在权威白名单出版商的官方 DOI 链接被当成普通来源arXiv 子域名aps.arxiv.org被误算成独立来源。修复后RandBox 和 iCaRL 从存疑转为已核验。第二轮暴露同名误判FOMO 最初被判 ✅但点开证据链发现全是FoMo遥感森林监测、机器人导航数据集、表格异常检测——短方法名撞名严重证据根本没出现断言里的数据集 M-OWODB。于是给判定加了内容门槛定性断言也必须验证证据同现数据集/关键内容。修复后 FOMO 正确转为存疑。第三轮平衡精度与召回内容门槛一刀切导致 UC-OWOD、RandBox 被误降级证据是原始论文但片段覆盖不足改为短主体词FOMO/Dual才要求关键内容同现专属长名UC-OWOD/RandBox主体匹配即可。投稿决策与混合问答两个附加场景投稿决策输入CVPR 2026返回 26 条去重结果含官网新闻cvpr.thecvf.com 官方CVPR 2026 收到 16,000 篇投稿、截稿信息、高校录用动态按相关度排序——投稿前查截稿日期和官方通知一次搞定。混合问答问MEMO 如何更新原型库私域知识库直接答出论文 Anti-Forgetting 分析DEUS 从 Task2 的 61.0 掉到 Task4 的 50.5相对下降 17.2%而 MEMO 仅小幅下降和 SACD 自适应发现细节公共检索则补充外部来源。这里有个有意思的发现公共搜索里MEMO被同名产品MIT 的 LLM 记忆框架 MeMo淹没——这恰恰说明私域知识库不可替代你的论文细节公共搜索帮不上忙。五、实际效果真的抓到了手稿里的问题工具最大的价值是它真抓到了一个我自己没发现的问题手稿 Related Work 里写着“Zohar et al. adapt foundation detectors directly to OWOD in FOMO and report that a plain foundation-model detector nearly saturates M-OWODB”。核验结果显示这条断言找不到任何权威支持——进一步人工查证发现FOMO 论文真实存在斯坦福 AI 实验室官网https://ai.stanford.edu/~orrzohar/projects/fomo/但官方页写明其未知类 mAP 约为基线的 3 倍仍有显著提升空间OW-OVDCVPR 2025 补充材料给出 FOMO 在 M-OWODB 上的 U-mAP 仅 2.6且 FOMO 有 FOMO/LLM 与 FOMO/IN 两种变体并非plain检测器。近乎饱和这个说法与权威来源矛盾这句话必须在投稿前改写或重新核实引用。效率对比同样直观6 条断言工具批量核验一次调用 23 次检索活动期内配额 6000 次/月无压力全程几十秒人工逐条核对同样内容按一条 10 分钟算需要两个小时以上还未必查得全。工具也有明确的局限我在设计上选择保守数字类断言如 0.1% 额外参数受搜索摘要片段截断影响数字常常不在片段里此时工具不冒险判已核验而是判存疑并给出证据链和原因由人工点开确认。这不是缺陷是设计选择——事实核验工具的价值恰恰在于宁可漏判不可误判把不确定的信息明确标注出来。六、结语这个项目的定位很简单把写论文时的查证焦虑交给一个带证据链的检索管线。它证明了一件事——搜索 API 的正确用法不只是搜一搜而是把它变成可编程的、带判定逻辑的事实核验基础设施。未来我会继续做三件事把整篇论文的\cite全部批量跑一遍生成引用审计表给数字核验加证据页内容抓取解决摘要片段截断把私域知识库扩展到全部实验笔记。欢迎交流评论区留下你写论文时最头疼的引用问题我可以用这套工具帮你核验。附录真实运行截图附录6 条断言完整核对表CSV 节选断言判定证据数首条证据MR-GDINO … 0.1% extra parameters⚠️ 存疑29arxiv.org/html/2610.00982v1FOMO … nearly saturates M-OWODB⚠️ 存疑32portal.acm.org/doi/10.1609/aaai.v39i27.35002UC-OWOD … fixed before training⚠️ 存疑17doi.org/10.1007/978-3-031-20080-9_12RandBox … random region proposals⚠️ 存疑32arxiv.org/html/2410.11301v1Dual Memory … working and semantic memories✅ 已核验21arxiv.org/html/2506.10484iCaRL … retrains on past exemplars✅ 已核验25doi.org/10.1609/AAAI.V37I8.26216作品阶段可演示原型已用于日常工作。运行方式python run_cli.py verify 断言或python app.py打开 Gradio 演示页。仓库地址https://github.com/goodgoodstudier/yuanbao-factcheck