本研究探讨生成性人工智能系统产生虚假引用的问题，建议学术期刊要求作者提交引用文献的完整文本，以防止引用无法提供的材料。这一方法能有效保护期刊免受虚假引用影响，同时不增加作者和编辑的负担。

本文介绍了一个新的自然语言处理任务，通过从Web中挖掘支持性证据生成具有引用文献的短实证文章。作者构建了一个大规模数据集，并实验了最先进的NLP技术在WebBrain上的效果。他们还引入了一个新的框架ReGen，通过改进证据检索和预训练来增强生成的实证性。实验结果表明，ReGen在自动和人工评估中都优于所有基线。