问题：论文数量激增，科研人员面临"找得到、看得懂、引得准"的难题。全球每年新增论文数以百万计——跨学科交叉日益频繁——传统的人工检索和综述撰写耗时费力。虽然AI问答系统能快速整合信息，但在引用环节常出现张冠李戴甚至凭空编造的问题，结论看似合理却无法核验，影响学术交流的可信度。团队分析某主流大模型发现，其生成的研究引用中相当比例并不真实，"能否信任系统给出的答案"成为学界普遍担忧。
OpenScholar的实践表明，专业化、开源化是智能工具服务科研领域的有效路径；当技术创新真正回应现实需求——当开放协作取代封闭竞争——智能系统才能成为推动知识生产和传播的可靠力量。这个探索为构建可信赖的智能科研生态提供了经验，其长远影响值得持续关注。