你让 AI 做完实验再写论文，它报出的数字未必是编的，却可能张冠李戴：比如把方法 A 的准确率写给方法 B。这样的“数值误归因”更难发现，因为单独搜索这个数，它确实存在。研究团队重新分析了一个公开基准中 9 个 AI 研究智能体——能检索文献、运行实验并写报告的 AI 工作流——产生的材料，并人工标注 18 份提交里的 256 条数值主张。作者称，在缺乏正确来源支持的数字中，约五分之四能在智能体文件里找到，只是来自错误的实验、指标或运行。
因此，只查数字是否出现过远远不够，还要追问“究竟是哪次运行产生的”。团队设计了一套确定性检查器：不仅匹配数值，还核对上下文能否指向正确结果，并用附近的相似数字作干扰项。它认证的 85 条主张中，78 条可追溯，精确率约 92%，但只覆盖约四分之一的待查主张。换句话说，它适合给通过项盖章；没通过的仍应交给人工复核，不能直接判成造假。