Perplexity 可以找到有用的引用,但在用於學術工作之前,每筆引用都必須手動與原始來源核對 。一項 2025 年的研究發現,Perplexity 與 Copilot、Claude 在書目參考檢索中出現「最高幻覺率之一」,聊天機器人產生的參考文獻中將近 40% 是「錯誤或完全虛構的」
。另一項大規模分析發現,新聞相關引用的錯誤率為 37%——超過三分之一被引用的陳述含有不準確之處
。
在 120 次查詢的控制測試中,Perplexity 的錯誤率低於 Gemini(89% 對 63% 的引用準確率),但這個差距反映了來源架構的結構性差異 。Perplexity 明確將引用追溯至即時網頁,並近乎即時地索引學術資料庫,而 Gemini 通常從彙整的訓練資料中綜合生成引用
。不過,目前尚無針對 Perplexity 學術模式下學術引用準確性的大規模獨立研究發表
。
不應將 Perplexity 視為判斷一篇論文是否存在、一個來源是否經過同儕審查、或一段引文是否支持其旁述句子的最終權威 。它可能會顯示來自 PubMed、Semantic Scholar、機構典藏、出版商和預印本伺服器的記錄,但並無公開證據顯示其選擇來源的完整或透明方法
。
Perplexity 可以快速幫助識別論文,但 Google 學術搜尋更適合尋找論文、確認論文存在位置,以及探索引用關係 。Google 學術搜尋的引用追蹤——顯示一篇論文被引用了多少次、被誰引用——仍是了解領域研究軌跡不可或缺的工具
。
Perplexity Pro 用戶擁有學術專注模式,可將搜尋範圍限制在透過 Semantic Scholar 資料庫(含超過 2 億篇學術論文)取得的同儕審查來源 。啟動後,Perplexity 會忽略部落格、新聞網站和維基百科,僅回傳同儕審查期刊、學術資料庫和學術出版物
。
在以下情況使用 Perplexity:
像 Perplexity 這類 AI 搜尋工具正在改變研究人員尋找與消費資訊的方式,但它們並非 Google 學術搜尋的取代品。Google 仍擁有約 89% 的搜尋市場,但研究人員和分析師等重度使用者正逐漸轉向 AI 原生工具 。Perplexity 在一年內查詢量暴增 239%,達到近 8 億次月查詢量
。
然而,數據很清楚:AI 搜尋工具取代的是 Google 在特定、高意圖學術查詢中的角色,而非全面取代基於引用鏈的詳盡研究 。最高效的方法是結合兩者:用 Perplexity 進行快速統整,再用 Google 學術搜尋進行驗證與深度探索。
Comments
0 comments