Neues Tool erkennt falsch zitierte Quellen im wissenschaftlichen Netz

Wissenschaftliche Publikationen bilden ein riesiges Netzwerk aus Zitaten, doch immer häufiger werden Quellen so verwendet, dass sie die behaupteten Fakten nicht unterstützen oder sogar widersprechen. Dieses Phänomen, bekannt als Miscitation, erschwert die Zuverlässigkeit des gesamten Forschungsökosystems.

Um dem entgegenzuwirken, hat ein internationales Forschungsteam ein neues System namens LAGMiD entwickelt. LAGMiD kombiniert die semantische Stärke großer Sprachmodelle (LLMs) mit Graph Neural Networks (GNNs), um die Beziehung zwischen Zitaten und ihrem Kontext präzise zu analysieren. Durch ein sogenanntes Evidence-Chain-Reasoning nutzt das System Ketten von Gedanken, um mehrstufige Zitatenetzwerke zu verfolgen und die semantische Übereinstimmung zu prüfen.

Da die Nutzung von LLMs teuer und anfällig für Halluzinationen ist, distilliert LAGMiD die Erkenntnisse der Sprachmodelle in die GNNs. Dabei werden die Zwischenergebnisse der LLMs mit den GNN-Embeddings abgeglichen, sodass die GNNs später eigenständig und effizient arbeiten können. Zusätzlich sorgt ein kollaboratives Lernverfahren dafür, dass komplexe Fälle weiterhin von der LLM unterstützt werden, während die GNNs für strukturelle Generalisierung optimiert werden.

Tests an drei realen Benchmark-Datensätzen zeigen, dass LAGMiD die bisher beste Leistung bei der Erkennung von Miscitationen erzielt – und das bei deutlich geringeren Rechenkosten. Damit bietet die Methode einen vielversprechenden Ansatz, die Integrität wissenschaftlicher Literatur nachhaltig zu stärken.