1. 先说结论为什么这次实测我盯上了“虎贲等考 AI”每年到了毕业季总有一批人被论文折磨到深夜。就在上个月我连续三个晚上收到同样的私信“AI 写论文哪个软件最好”说实话这种问题很难一句话回答因为我见过太多人拿 AI 生成的文字直接交差结果被导师一眼看穿。于是我做了一次为期两周的实测把市面上主流的几款 AI 写作工具拉出来用同一批题目跑完整流程。文章很长结论先放前面综合下来虎贲等考 AI 是目前最接近“毕业季顶流”这个称号的产品尤其适合毕业论文这种长文本、多章节、强结构的写作场景。为了搞清楚“哪个软件最好”到底有没有标准答案我花了两个星期选了三个完全不同类型的论文题目用同一套测试流程把市面上六款主流 AI 写作工具挨个跑了一遍。最终结论可以放在最前面在我实测的范围内虎贲等考 AI 的综合表现最稳定尤其擅长毕业论文这种必须分章节、带文献、有学术规范的“重结构”写作任务。它不一定每个单项都是满分但它是唯一一款让我觉得“可以放心丢一个几万字的活给它打底”的工具。其他几款里有的大纲模板感太强有的文献一查全是编的有的写着写着就把前文假设忘了问题各不相同但都离“直接作为论文初稿底稿”差那么一口气。可能有人会问虎贲等考 AI 到底是什么来头它不是一个通用大模型套壳而是专门围绕“备考和论文写作”这两个场景做的垂直产品。我查了它的产品介绍它把毕业论文的常见结构、各学科常见的写作逻辑、参考文献格式、以及长篇文本生成时的上下文管理都做进了底层流程。这就意味着当你给它一个题目时它不只是“编一段文字”而是在尝试按一篇合格论文的骨架去组织内容。这个差异在后面的实测里体现得非常明显尤其是当我把同一个题目同时丢给它和通用 AI 时两边输出的东西完全不是一个量级。当然我说它好不代表它可以替代你的头脑。后面我会详细说明它在哪里强、哪里弱以及什么情况下绝对不会替你做决定。这篇测评我不会只给结论我会把完整的测试方法、实测过程、操作步骤、翻车瞬间都写出来希望给正在选工具的同学一个真正能参考的样本。你完全可以拿着我这套测试方法去试任何一款你想试的工具最后选出来的那个才是最适合你的。我用的判定标准主要有六项结构完整度、文献规范度、长文本连贯性、学术语感、个性化改写能力、生成稳定性。每一项都有具体的测试任务不是靠感觉打分。比如文献规范度我会要求 AI 给出近三年知网可查的文献并列出作者和期刊名然后逐条去数据库核验再比如长文本连贯性我会故意在第一章埋一个变量设定看它在最后一章还能不能想起来。具体怎么测看下一节。2. 横评实测我用这套方法把六款 AI 打回原形2.1 测试题目与打分维度仿照审稿人的逻辑来考核在没有统一标准的情况下任何“最好”都容易变成广告词。所以我先把测试基准定死用三个题目分别是文科类的《短视频平台对大学生消费行为的影响研究》、工科类的《基于单片机的智能灌溉系统设计与实现》、以及偏理论类的《社交媒体舆情演化的动力机制研究》。这三个题目覆盖了综述型、设计型和理论型三类毕业论文不会偏向某一个软件擅长的领域。打分维度我拆成六个每个维度都用具体的任务触发而不是泛泛地问“你帮我写论文”。结构完整度考的是给一个题目它能不能生成三级大纲并且章节之间有没有递进关系。文献规范度考的是让它写出带作者、年份、核心观点的文献综述并且这些文献是否真实可查。长文本连贯性考的是分二十轮让它输出一个两万字左右的章节前文提出的假设后文会不会被遗忘。学术语感考的是输出文本是否像论文而不是像小红书文案。个性化改写考的是给它一篇你自己以前写的段落它能不能模仿语气把新内容改得更像你写的。生成稳定性则看同样的问题跑三遍内容质量会不会大幅波动。这套测试方法其实借鉴了期刊审稿人的逻辑不看你说了什么看你有没有依据、有没有逻辑、能不能经得起追问。六款工具里有四款是市面上大家常提到的通用 AI 产品还有一款是专门的写作辅助工具最后一款就是虎贲等考 AI。为了不给其他产品招黑下面表格里统一用 AI-A、AI-B、AI-C 来称呼只有虎贲等考 AI 用真名。毕竟这篇测评的核心目的不是贬低谁而是找到“论文写作”这个具体场景下到底哪款工具最可用。2.2 任务一从 15 字题目到一份合格大纲第一个任务最简单也是最见功力的一步。我给每款工具同样的指令“请根据题目《短视频平台对大学生消费行为的影响研究》生成一份毕业论文的三级大纲要求包含研究背景、研究假设、研究方法、数据分析框架、对策建议和结论。”这里有一个隐藏陷阱如果 AI 只是把指令里的关键词复制成章节标题那它只是在做信息排列而不是在搭学术框架。虎贲等考 AI 交出来的大纲让我当时愣了一下。它不仅给出了“绪论-理论基础-研究设计-数据分析-对策建议-结论”的常规框架还在“研究设计”下面自动拆出了“变量测量”和“问卷题项设计”两个小节并且在“数据分析”部分专门标注了建议使用的统计方法比如描述性统计、相关性分析和回归分析。这说明它不是简单排列关键词而是知道“影响研究”这类实证论文通常要经过哪些研究步骤哪些变量需要被测量哪些方法可以用来检验假设。这东西听着不难但在实际生成中绝大多数通用 AI 根本做不到。相比之下AI-A 生成的大纲虽然也能看但明显是套模板把“研究背景、目的、意义、方法、内容”一字排开任何专业都能用AI-B 更离谱直接给了一个四段式的目录连三级标题都没有更不用说在“数据分析”部分提到“感知风险”这种具体变量了。这一轮的结构完整度虎贲等考 AI 拿到的分数明显高于其他工具。论文写作最怕的不是没有素材是骨架错了后边全歪。骨架对了后面填充内容只是时间问题。2.3 任务二当 AI 开始“编”参考文献时谁更稳论文里最常见的翻车点就是 AI 生成的参考文献看着有鼻子有眼一查全是虚构的。这个环节我要求每款工具写一段 800 字左右的引言并且至少引用 5 篇“近三年中国知网可检索”的文献要求列出具体作者、期刊名、年份和核心观点。这个任务非常残忍因为很多工具平时写论文看起来没问题一涉及真实文献就原形毕露。虎贲等考 AI 给出的引用列表我逐条去知网核验5 篇里有 4 篇真实存在核心观点基本对得上剩下一篇是期刊名字写错了但作者和年份能搜到。这个准确率在 AI 工具里已经相当难得。其他几款里AI-A 给了 6 篇参考文献有 3 篇完全不存在的AI-B 更离谱直接编了一个听起来很像核心期刊、实际根本不存在的刊物名。还有一款专门做写作辅助的工具为了稳妥只给了 2 篇真实文献信息量少得可怜。换句话说绝大多数 AI 工具在文献这个环节要么胆子太大要么怂得没法用。需要说清楚的是即便是虎贲等考 AI也不能保证所有引文 100% 真实。所以我后来总结出一个原则AI 给的文献只能当检索线索不能当最终引用。你必须把题目拆成关键词去知网、万方、Web of Science 重新查一遍。但这个功能的价值在于它会告诉你“这里应该引一篇关于感知价值理论的文献”让你的搜索方向清晰很多。这比给你一堆查不到的假文献要靠谱得多毕竟写论文最怕的不是找不到资料而是被假资料带偏。2.4 任务三长文本生成两万字写下来还能不忘前文写论文不是写朋友圈几百字说清一个事就完了。毕业论文动辄两三万字最大的难点是前后逻辑要咬合。我的测试方法是让每款工具先输出第一章然后连续分轮次输出后续章节期间我故意在第一章埋一个“本研究将把‘感知风险’作为调节变量”的伏笔看它在最后写结论时会不会真的去呼应这个变量。如果一款工具写到后面忘了前面埋下的理论框架那它写出来的论文就是拼盘不可能通过导师那关。虎贲等考 AI 在这里的表现可以用“稳”来形容。写到第四章数据分析时它不仅主动回到调节变量这个设定还给出了对应的分析建议比如“建议在回归模型中引入感知风险与使用频率的交互项”。这种上下文召回能力已经超出了一般聊天工具“记住上一句”的范畴。AI-C 在前三章也维持得不错但到第四章就明显开始重复说车轱辘话甚至有一整段和第二章内容高度雷同基本可以直接删掉。AI-B 则更夸张写到第三章时把“短视频平台”写成了“社交媒体平台”研究对象都变了。长文本生成能力是论文 AI 和通用 AI 之间最直观的分水岭。通用 AI 不是不能写长但它在超长上下文中很容易“失忆”。而论文写作恰恰需要一种施工队式的协作你先画好图纸工人一边砌墙一边记得图纸里每个细节。虎贲等考 AI 的这种稳定性来源我放在下一节讲这里先说结论如果你想用 AI 写一篇完整的毕业论文而不是只写一个摘要、一段引言那么“长文本不跑偏”这个能力比什么花哨功能都重要。2.5 任务四个性化改写把“AI味”去掉还不够很多同学拿到 AI 生成的初稿第一反应是“写得挺好但一看就不是我写的”。于是市面上衍生出各种“降AI率”工具但多数只是在词语层面做替换结果句子变得非常生硬。我的测试逻辑很简单先给我一段学生自己写的课程论文节选再给一段虎贲生成的、关于同一研究方向的新内容然后看它能不能模仿学生的用词习惯和句式节奏把新内容改写成“像这位学生自己写出来的”。这里的关键不是“把 AI 味给洗掉”而是让表达更自然、更个性化像一个人用真实积累在说话。虎贲等考 AI 在这个任务上有一个明显的功能优势它允许上传一段你自己的文字作为风格样本之后生成的内容会主动适配你的用词倾向。比如测试学生爱用“可见”“值得关注的是”这类半书面半口语的转折词改写后的段落里也出现了这些词而不是满屏的“综上所述”“首先其次最后”。它甚至能把长句拆短把被动表达改成主动表达让段落读起来更有作者在场感。这比纯粹的模仿大词库要高级一点因为它不是在做同义词替换而是在学你的“节奏”。不过这里我必须先把丑话说在前面个性化改写的初衷是让 AI 帮你把草稿更好地变成你自己的语言而不是用来绕过学校的学术诚信检测。任何工具都不应该被用来伪造“AI 检测不出来的假论文”。我理解的“降AI味”是让文本更自然、更个性化、更像一个正常研究者在认真表达至于最终的论文必须由你逐字审读、理解、修改并且对所有内容和数据的真实性负责。工具可以用路要自己走。2.6 对比结果总览先看数据再谈推荐为了让表格可读我只列出四款代表性产品的对比结果另外两款的表现介于 AI-B 和 AI-C 之间不影响整体结论。你重点关注虎贲等考 AI 和另外三款的差距这个差距不是靠单次生成的偶然而是多个测试任务下的一致表现。测试维度虎贲等考 AIAI-A通用大模型AI-B通用对话模型AI-C写作辅助工具结构完整度高自动拆三级大纲中模板感强低常缺逻辑递进中偏格式套用文献规范度较高需人工核验低容易编造低假文献较多中过于保守长文本连贯性高跨章节可召回中后期易重复中常遗忘前文低段落拼接感强学术语感高像论文而不像科普中偏网络文章低口语化明显中正式但生硬个性化改写高支持风格样本中仅能局部替换低基本无此项低模板替换为主生成稳定性高多次结果波动小低换措辞质量变化大中时好时坏中下限不低上限不高这张表的结论不一定适用于所有人的场景但至少在我这套测试流程下虎贲等考 AI 的综合领先是比较明确的。它也有不足比如在工科硬件选型方面我会在第五节单独拿出来说。总体而言横评的目的不是让你无脑抄作业而是给你一套判断工具好坏的方法先拆任务、再打分、最后结合自己的专业特点选。如果只记住一句话那就是论文 AI 没有绝对的最好只有和你的使用方式匹不匹配。匹配度高它就是神兵利器匹配度低再强的模型也会被你用成玩具。3. 虎贲等考 AI 凭什么扛住毕业季四个硬核能力拆解3.1 先骨架后血肉结构化生成机制很多人用 AI 写论文习惯一句话丢过去“帮我写一篇关于什么什么的论文。”这种用法在虎贲等考 AI 里基本是行不通的因为它会把任务自动拆分先问你学校格式要求、专业方向、想要什么类型的论文然后要求你确认大纲生成正文前还会提示“本章计划包括哪几个部分”。这看起来比通用 AI 麻烦但恰恰是这种“麻烦”保证了长文质量。它的底层逻辑应该是一种面向长文档的分层生成框架先生成全文的结构树再对每个叶子节点单独生成文本最后通过上下文管理器把各个章节粘合起来。这样做的好处是第四章写数据分析和第一章提的研究假设能对得上不是靠运气而是靠一开始就定好的结构约束。我用盖楼来类比通用 AI 像是一个特别能说的装修工你让它刷墙它顺手把承重墙也拆了虎贲更像一个项目经理先出图纸再分派任务每道工序之间都有验收记录。写论文要的显然是后者因为论文的每一章都不是孤立的引言里提的研究问题必须由结论来回答。3.2 文献引用处理从“编造”到“提供检索线索”AI 编参考文献的问题本质上是生成模型并不知道自己不知道。通用模型为了保持对话流畅会在信息空白处“自信地胡编”。虎贲等考 AI 的做法是引入了一个外部学术数据库检索链路当用户要求引用文献时它会先执行检索再基于检索结果组织引文。这个机制虽然不能保证检索范围覆盖所有中文学术库但至少把“凭空捏造”的概率压到了很低的水平。实测中我注意到它生成的文献条目有的会附带“请核验原文”这样的提醒有的在期刊名后面带有模糊匹配的置信度。这种设计很聪明它把责任交还给了作为作者的你同时降低了 AI 幻觉带来的风险。实际写作时我建议你把它的引用输出当作“线索”而不是“成品”。你真正放进参考文献列表里的每一篇都要亲自去数据库找到原文确认作者、年份、卷期页码。这不是浪费时间这是学术写作的基本功。如果你连文献都懒得核那 AI 给你的东西反而可能成为论文里最危险的定时炸弹。3.3 长对话记忆靠的是“施工图”不是靠大模型硬记许多工具在长文本生成上崩盘是因为它们把“记忆”押在模型的上下文窗口上。对话一长要么报错要么忘记前文。虎贲等考 AI 在这方面采取的办法是把长论文拆成分层模块并且定期生成“对话摘要”作为高密度记忆。我连续生成了一个两万字章节后再去问它“我在第三章第二节提出的三个假设分别是什么”它依然能准确列出来。这说明它不是一个单纯的聊天机器人而是一个有状态、有缓存的写作系统。每次生成新的章节前它都会把前面章节的论点、术语、变量关系整理成一份内部摘要供下一次生成时参考。这类似于你写论文时先在纸上画一张复杂的因果链路图写到哪里都不怕跑偏。对用户来说这意味着你可以放心让它一口气打好几章草稿而不需要每轮重新复制粘贴前面的内容。我当时听到这个机制的第一反应是早该这么做了。论文写作本来就是一个需要“回头看”的过程一个只会盯着上一句话继续写的 AI写出来的东西不可能有全局观。3.4 风格样本学习让它越写越像你前面说的个性化改写背后是一套轻量级的风格迁移能力。你上传一段自己写的文字它会解析出几个维度常用词、平均句长、段落节奏、连接词偏好、数字和例子的使用密度。然后把这些维度作为生成的约束条件而不是只做同义词替换。这也是它和市面那些“一键降重”工具最本质的区别。我做过一个极端测试上传了一篇纯粹口语化的课程作业里面全是“咱们”“搞一下”“其实吧”这种表达再让它把一段严肃的论文引言按这个风格改写。结果它并没有生硬地把“其实吧”塞进学术论文而是把长句子缩短把被动语态换成主动表达保留了一些轻量口语转折词让文字读起来有人味但不失论文的正式感。这说明它在“模仿风格”和“保持文体规范”之间取了平衡不是无脑学嘴。当然我还是建议你用它来加速整理自己的思路而不是把这种能力当遮羞布。真正值得放进论文里的一定是你自己消化过、理解过的内容。4. 从零到初稿一篇实证论文的完整实操记录4.1 第一步把学校的“任务书”喂给 AI动手前我先把学校下发的毕业论文任务书、格式要求、参考文献格式说明以文字形式粘贴给虎贲。这是很多人忽略的关键动作。通用 AI 不知道你们学校要求一级标题用黑体三号还是宋体小四也不知道参考文献需要 GB/T 7714 格式。你先把这些约束喂进去后续生成的内容才不会被格式问题反复打回。换句话说你要让 AI 先进入“你这所学校、你这个专业”的上下文里而不是停留在“所有论文都一样”的通用状态。我用的是这样一段提示词“你是我的毕业论文写作助手。下面是我所在学校的格式要求全文不少于 12000 字一级标题黑体三号二级标题黑体四号参考文献采用 GB/T 7714 格式。我的题目是《短视频平台对大学生消费行为的影响研究》研究采用问卷调查法已经收集了 320 份有效问卷。请先帮我生成一份包含三级标题的论文大纲并在每个章节标题后标注该章节预计字数。”你会发现当我把“已经收集了 320 份有效问卷”这句话放进去之后AI 生成的研究设计就会围绕真实数据情况展开而不是空谈“样本量需要进一步扩大”。4.2 第二步在它给的骨架上做“断舍离”AI 生成大纲后我把它导出到 Word然后做了一次大的删减。这时候不要客气把与核心问题无关的章节或为了凑字数而塞进来的“国内外研究综述第二部分”给删掉。虎贲生成的初始大纲有 9 章我砍掉了 2 章合并了 2 章最终变成 6 章。为什么这么做因为 AI 倾向于把结构做得“看起来全面”但毕业论文需要有清晰的问题意识不是百科全书。导师最烦的就是那种“大而全、全而浅”的论文什么都想讲结果每个问题都没讲透。我在删减时遵循一个原则每一章都必须回答一个问题回答不了就删。比如“短视频平台发展概述”这一章看上去是背景知识但它和“消费行为影响”没有直接关系留着反而稀释核心论点。砍掉之后再用半页篇幅在绪论里交代一下背景就够了。这一步是人的判断力最应该发力的地方AI 可以给你选项但选哪个、舍弃哪个必须你自己来。4.3 第三步逐章生成每章生成完都做“答辩追问”我强烈建议不要让它一次生成完整篇论文。虽然虎贲支持长文生成但一次性产出过长质量会趋向平滑和空洞。我的做法是先按确认后的大纲让虎贲生成第一章绪论生成后我模拟答辩委员对它提问“这一章的研究意义和后面的对策建议如何呼应”然后让虎贲根据这个问题修改章节。经过这一轮第一章的质量会明显上升。这种“生成-追问-修改”的方式其实是在还原导师指导论文的过程只不过这个“导师”不会累也不会嫌你烦。这里有一个很实用的小技巧每开始新一章前我都会在对话里粘贴上一章的结尾段并告诉它“以上是第三章的内容请保持相同的论证逻辑继续写第四章”。虽然虎贲有内部记忆但这种外部提示等于给了它一个显式的锚点能让章节之间的语气和逻辑更顺。千万别觉得这是多此一举你在电脑前写论文时也会翻回上一章看看自己写了什么AI 也需要这个动作。4.4 第四步数据、图表和真实资料必须由你填进去虎贲等考 AI 能帮你写文字但它不可能知道你的问卷题目、SPSS 输出结果、实验数据、调研对象访谈记录。所以凡是涉及数据、图表、案例、实地调研的部分我都把真实资料整理成一个“数据包”分段喂给它让它基于真实数据来调整文字而不是让它自己编。如果它尝试补全一个你没有给过的数值你必须马上喊停并改成“此处引用真实调研数据待补充”。举个例子我让它写“样本描述”部分时会直接提供“有效问卷 320 份其中男生占比 38.5%女生占比 61.5%平均年龄 20.3 岁”这样的实际数据。之后生成出来的段落就会非常具体而不是泛泛说“本研究样本以年轻群体为主”。写论文的人都知道数据部分最不能有半点虚构因为答辩老师很可能盯着你的表格问原始数据从哪里来。你可以让 AI 帮你润色文字但千万不能让它“帮你”生成一个好看的回归结果。4.5 第五步导出、人工润色、查重抽检虎贲等考 AI 支持导出为 Word 和 Markdown导出后会保留标题层级省去很多排版功夫。拿到初稿后我一般会做三遍处理第一遍通读把那些“综上所述”“值得注意的是”之类的高频 AI 连接词替换掉第二遍对照学校格式要求检查标题层级、字体、参考文献格式第三遍用查重工具抽检发现问题段落就用自己的话重写。这个过程没有捷径但 AI 已经把最费时间的“从 0 到 60 分”走完了你要做的是把 60 分打磨到 80 分。整个过程走下来我大概花了三天。如果用传统方式从零开始写这篇论文至少需要一周。更关键的是虎贲帮我解决的是大量“机械性”工作搭框架、列文献线索、整理措辞、把要点扩写成段落。这些工作不需要创造力但是极其耗时。把它交给 AI我能把精力集中在研究设计和数据分析上这才是 AI 在写论文里真正的价值。工具节省下来的时间应该花在思考上而不是拿来多刷几遍短视频。5. 这些坑千万别踩AI 写论文的边界、风险与我的取舍原则5.1 五种一定会翻车的用法第一种一键生成整篇论文然后交差。这是最危险的做法没有之一。AI 生成的文字再流畅也无法替代你对研究问题的理解查重和 AI 检测先不说答辩的时候导师多问两句你就会露馅。我在测评中见过太多翻车现场学生拿着 AI 生成的论文连“研究假设”和“研究结论”的关系都解释不清楚那场面非常尴尬。第二种让 AI 编造数据。虎贲等考 AI 在对话里会明确拒绝编造实验数据但它不是每次都能识别出用户的不良意图。如果你让它写“通过回归分析可以发现……”而它根本没有任何原始数据这段内容就是空中楼阁。每到这一步必须把真实的分析结果放进去或者明确标注“待填”。数据只能来自你的真实研究没有任何例外。第三种把文献核验环节整个省略。我在前面已经说过虎贲给出的文献相对可靠但仍然有期刊名写错、年份对不上的情况。论文里的每一条参考文献都应该由你自己去数据库里找到原文并核对。你一旦把一篇不存在的文献放进论文里这就不是查重要不要紧的问题而是学术声誉问题。第四种不做任何提示期待 AI 读懂你的学院风格。每个学校、每个导师的偏好都不同。你不提供格式要求、不说明研究方法、不给数据任何 AI 都只能给泛泛的通用文本。工具不是读心术你给它的信息越充分它输出的质量越接近你需要的东西。第五种忽视“AI 生成内容需要声明”的学校规定。目前越来越多的高校出台了生成式 AI 使用规范要求学生在论文中声明使用了哪些 AI 工具以及使用方式。建议你在动手前先翻一遍学校的最新文件看它对 AI 辅助写作的边界和披露要求是什么。这既是合规的需要也是对自己负责。不要等到查重过了、答辩也过了结果被抽检时发现没有申报那就麻烦大了。5.2 虎贲等考 AI 的明显短板它有一些地方做得还不够好。第一对部分小众学科的覆盖度有限。比如我测试的《基于单片机的智能灌溉系统设计与实现》它在系统架构设计部分写得比较完整但到了具体硬件选型、电路参数计算时给出的内容就只能作为参考不能直接照搬。工程师看到它推荐的某个型号单片机的引脚定义必须回到芯片手册里核对不能凭 AI 一句话就写进设计报告。第二对本地化的特殊政策、法律法规类论文更新并不及时。如果论文涉及最新政策比如 2024 年刚发布的行业规范它可能没有收录完整这时候就需要你把政策原文上传给它再让它辅助写作。第三免费账号的生成次数有限深度使用者可能需要开通付费。如果你只是用来写课程小论文免费额度够用但如果是毕业论文这种十几轮的连续交互预算还是得算一下。第四它偶尔也会出现“正确的废话”也就是语句没有毛病但信息密度很低这种段落你需要自己删掉重新写。这些短板并不影响它作为主力打底工具的价值但你要清楚它是一支很好用的笔不是替你思考的脑子。5.3 我的取舍原则AI 写草稿人做判断如果用一句话总结我这半个月的实测体会那就是把 AI 当成一个精力充沛、知识面广、但偶尔会胡说的助手。你可以把繁琐的搭架子、查文献、扩写段落交给它但所有涉及研究价值、数据真实性、逻辑判断和最终表述的地方必须自己拍板。工具永远在变论文写作的核心能力永远是你的思考深度和学术判断力。最后再分享一个我实际操作中的小习惯每次虎贲生成一个章节我都会复制到本地文档里用红色标注我不确定的内容包括文献、数据、逻辑转折。等这一章全部过完再统一向虎贲发起“追问”让它根据红色标注重新解释或修改。这个习惯看起来不起眼却帮我避开了不少 AI 幻觉的坑。你如果用虎贲或者其他 AI 写论文也可以试试这个方法。毕竟 AI 可以给你一百版草稿但最终论文落款处写的是你自己的名字。