引用但未經核實：解析與評估 LLM 深度研究代理的來源歸因

大語言模型（LLM）正在驅動深度研究代理，它們能夠從數百個網路來源綜合資訊，生成帶有引用標註的報告。然而，這些引用並不可靠，無法被有效驗證。現有方法要麼盲目信任模型能夠準確自我引用，存在引入偏見的風險；要麼採用檢索增強生成（RAG），卻無法驗證來源的可訪問性、相關性和事實一致性。本文提出了首個來源歸因評估框架，該框架利用可復現的AST解析器，大規模提取並評估LLM生成的Markdown報告中的內聯引用。與驗證單一來源的方法不同，我們的框架從整體上評估引用質量，為LLM深度研究的可信度提供了一種新的評估維度。