Το AI Humanizer που διατηρεί ακαδημαϊκές παραπομπές

Λάβαμε ένα στιγμιότυπο από έναν μεταδιδακτορικό ερευνητή στο beta cohort μας, ο οποίος ετοίμαζε υποβολή σε ένα περιοδικό ανοικτής πρόσβασης στην ανοσολογία, και είναι ακριβώς το είδος περίπτωσης που δείχνει γιατί ένα AI humanizer που διατηρεί ακαδημαϊκές παραπομπές αποτελεί διαφορετικό προϊόν από ένα γενικού σκοπού. Εκείνη είχε δεχθεί μια απόρριψη από το γραφείο με την ακόλουθη αιτιολογία στο email απόρριψης: μη συμμορφούμενη μορφοποίηση παραπομπών. Ελέγξαμε τη λίστα αναφορών της και ήταν σωστή. Άνοιξε το abstract για να δει ποιο ήταν το πρόβλημα, μόνο για να διαπιστώσει ότι υπήρχε.

Υπήρχε μια εντός κειμένου APA παραπομπή στο abstract που πριν από τη “humanization” έγραφε "(Nakamura et al., 2024)", αλλά το δημοφιλές humanizer που είχε δοκιμάσει την άλλαξε σε "όπως έδειξαν ο Nakamura και οι συνεργάτες τους στη μελέτη τους του 2024". Πρόκειται για όμορφο κείμενο, αλλά για διαφορετική παραπομπή. Το εργαλείο προσυμπτωματικού ελέγχου του editor εντόπισε ότι η αφηγηματική παραπομπή στο abstract δεν ταίριαζε με τις παρενθετικές παραπομπές αλλού μέσα στο άρθρο. Αν το αποτέλεσμα ήταν μια καθυστέρηση δύο εβδομάδων στην υποβολή του abstract λόγω μιας αντικατάστασης ύφους που το humanizer θεώρησε βελτίωση, παραμένει ανοιχτό ερώτημα.

Παρακολουθούμε αυτό το ζήτημα από τις αρχές του 2025. Σε ελεγχόμενη δοκιμή που τρέξαμε σε 200 “humanized” ακαδημαϊκές παραγράφους που περιείχαν εντός κειμένου παραπομπές, το Phrasly άλλαξε τη μορφοποίηση της παραπομπής στο 47% των περιπτώσεων, το Undetectable.ai στο 53%, και το Quillbot's humanizer στο 38%. Ακόμη συχνότερα, τα εργαλεία αγγίζουν αυτό που, κατά τα φαινόμενα, είναι τα πιο σημαντικά στοιχεία ενός ακαδημαϊκού άρθρου: εγγραφές στη λίστα αναφορών με πλάγια γραφή και DOIs, τα οποία οι περισσότεροι συγγραφείς ούτε καν μπαίνουν στον κόπο να ελέγξουν. Τα περισσότερα humanizers έχουν κατασκευαστεί για content marketers που γράφουν posts σε blog και περιγραφές προϊόντων για SEO. Όμως ο ακαδημαϊκός λόγος έχει μια δομική απαίτηση που κανένα εργαλείο προσανατολισμένο στο μάρκετινγκ δεν είχε σχεδιαστεί να τιμήσει: η παραπομπή πρέπει να επιβιώσει από τη μετατροπή αναλλοίωτη.

Το άρθρο εξηγεί γιατί ένα ai humanizer που κρατά ακαδημαϊκές παραπομπές είναι ουσιαστικά διαφορετικό προϊόν από ένα general-purpose humanizer, τι σημαίνει στην πράξη η “preservation” παραπομπών με επίγνωση (citation-aware) κάτω από την κουκούλα, ποιες είναι οι τέσσερις συνέπειες για τους ερευνητές όταν κάτι πάει στραβά, και ένα τεστ πέντε λεπτών που μπορεί κανείς να τρέξει σε οποιοδήποτε humanizer πριν το εμπιστευτεί για ένα χειρόγραφο.

Τι είναι ένα AI humanizer που διατηρεί ακαδημαϊκές παραπομπές;

Ένα AI humanizer που διατηρεί ακαδημαϊκές παραπομπές εξάγει πριν από το rewrite τις εντός κειμένου παραπομπές, τις εγγραφές στη λίστα αναφορών, τις στατιστικές εκφράσεις και τις ετικέτες εξισώσεων και τις επανεισάγει έπειτα αυτούσιες, ώστε οι παραπομπές σε APA, MLA και IEEE να διατηρούνται ακέραιες. Τα γενικού τύπου humanizers παρακάμπτουν αυτό το βήμα και αντιμετωπίζουν τις παραπομπές ως απλά “token”, γι’ αυτό εργαλεία όπως το Phrasly, το Undetectable.ai και το Quillbot αλλοίωσαν τη μορφοποίηση παραπομπών στο 38% έως 53% των ακαδημαϊκών παραγράφων που δοκιμάσαμε. Μπορείτε να επιβεβαιώσετε αν οποιοδήποτε εργαλείο είναι πραγματικά citation-aware με ένα τεστ πέντε λεπτών στη δωρεάν βαθμίδα του.

Τι κάνει ένα citation-aware AI humanizer για να κρατά τις παραπομπές σας ακέραιες;

Το generic humanizer αντιμετωπίζει το κείμενο κάποιου ως μια σειρά από token που θα ξαναγράψει με διάφορους τρόπους για να δημιουργήσει κάτι διαφορετικό στην επιφάνεια. Αυτό σημαίνει ότι ό,τι υπάρχει μέσα του, ακόμη και αν είναι παρενθετικό (π.χ. reference), πλάγιο (π.χ. τίτλος περιοδικού), ακρωνύμιο (π.χ. DOI) ή ετικέτα εξίσωσης ή στατιστική έκφραση, είναι επιλέξιμο προς rewrite.

Ένα citation-aware humanizer αφήνει κάποια πράγματα ανέπαφα. Δουλεύει γύρω από αυτά. Συγκεκριμένα, αναγνωρίζει:

• Εντός κειμένου παρενθετικές παραπομπές. "(Smith, 2024)", "(Smith & Jones, 2024)", "(Smith et al., 2024, p. 47)", "[12]" και τις δεκάδες παραλλαγές μορφοποίησης σε APA, MLA, Chicago, IEEE, Harvard, Vancouver, Turabian και AMA.
• Εγγραφές λίστας αναφορών. Πλάγιους τίτλους περιοδικών, τα σημεία στίξης ανάμεσα στον τόμο και τον αριθμό τεύχους, τα ampersand αντί για "and," sentence-case έναντι title-case στους τίτλους άρθρων, καθώς και κάθε γραμμή που καταλήγει σε DOI.
• Στατιστικές εκφράσεις. "p < 0.01," "95% CI [0.34, 0.58]," "n = 1,247," και τις συμβάσεις για την αναφορά διαστημάτων εμπιστοσύνης, odds ratios και effect sizes.
• Τεχνική σημειογραφία. Ετικέτες εξισώσεων (Eq. 3), παραπομπές σε σχήματα (Fig. 2a), παραπομπές σε πίνακες (Table 1) και τους δείκτες παραπομπής που χρησιμοποιεί το χειρόγραφό σας για πλοήγηση ανάμεσά τους.
• Ορολογία του επιστημονικού πεδίου. Ονόματα μεθόδων ("PRISMA"), ονόματα οργάνων ("CRISPR-Cas9"), μητρώα καταγραφής δοκιμών ("ClinicalTrials.gov NCT03945383") και τις κύριες ονομασίες που το rewrite δεν πρέπει να αγγίξει.

Αυτά δεν είναι οριακές περιπτώσεις. Στο εκδοτικό μας dataset, το μέσο χειρόγραφο 6.000 λέξεων έχει 47 εντός κειμένου παραπομπές, 11 στατιστικές εκφράσεις και 6 αναφορές σε εξισώσεις ή σχήματα. Ένα humanizer που αγγίζει έστω και το 10% αυτών θα δημιουργήσει 6 έως 7 σφάλματα ανά άρθρο που πρέπει να εντοπιστούν και να διορθωθούν χειροκίνητα πριν από την υποβολή.

Πώς σπάνε οι AI humanizers τις παραπομπές APA, MLA και IEEE;

Στις δοκιμές μας, οι citation-blind humanizers καταρρέουν με τρεις τρόπους, κάθε φορά.

Τρόπος αποτυχίας 1: οι εντός κειμένου παραπομπές ξαναγράφονται σε αφηγηματική μορφή. Η περίπτωση Nakamura στην κορυφή αυτού του άρθρου. Το "(Smith, 2024)" γίνεται "όπως έδειξε ο Smith το 2024" ή "η μελέτη του Smith του 2024 πρότεινε". Το νέο κείμενο είναι πιο φυσικό για τη “training distribution” ενός humanizer. Αλλάζει τον τύπο της παραπομπής (από παρενθετική σε αφηγηματική) και έτσι απαιτεί συνεχή χρήση σε όλη την παράγραφο ή την ενότητα σύμφωνα με τις οδηγίες των περισσότερων περιοδικών, ενώ αλλάζει και την υπονοούμενη συγγραφική φωνή. Οι editors το εντοπίζουν.

Τρόπος αποτυχίας 2: αναδιαμόρφωση της λίστας αναφορών. Η εγγραφή παραπομπής "Smith, J. (2024). The structure of Cell, 187(5), 945-961. Https://doi.org/10.1016/j.cell.2024.05.012" ξαναγράφεται με τον τίτλο του περιοδικού να αφαιρείται από την πλάγια γραφή, τον αριθμό τόμου να χάνει την έμφασή του, το πρόθεμα του DOI να αλλάζει ή τα σημεία στίξης ανάμεσα στα αρχικά του συγγραφέα και στο έτος να κανονικοποιούνται σε διαφορετικό στυλ. Τεχνικά, η παραπομπή εξακολουθεί να “επιλύεται”, αλλά δεν ταιριάζει πλέον με το APA 7 template. Οι copy editors το επισημαίνουν.

Τρόπος αποτυχίας 3: βασανισμένες φράσεις γύρω από προστατευμένο περιεχόμενο. Ο Cabanac Problematic Paper Screener έχει εντοπίσει περισσότερες από 19.000 εργασίες που περιέχουν μοτίβα αντικατάστασης με συνώνυμα τα οποία παράγουν οι paraphrase-based humanizers. Joined Together States for United States. Bosom peril for breast cancer. Renal disappointment for kidney failure. Παραπομπές με αυτές τις βασανισμένες φράσεις περιβάλλουν το δοκιμαστικό μας dataset, καθιστώντας δυσκολότερη για τους editors την εμπιστοσύνη στο περιεχόμενο ακόμη και όταν η ίδια η παραπομπή επιβίωσε ακέραιη. Το Problematic Paper Screener (Cabanac, Labbe, and Magazinov) χρησιμοποιείται πλέον από αρκετούς εκδότες για να επισημαίνει εργασίες προς εκδοτική αξιολόγηση πριν από την peer review.

Οι τρεις αποτυχίες συνδυάζονται. Το άρθρο που επιστρέφει από ένα generic humanizer είναι γεμάτο εντός κειμένου παραπομπές που ξαναγράφτηκαν αφηγηματικά (mode 1), εγγραφές λίστας αναφορών που αναμορφώθηκαν (mode 2) και βασανισμένο περιβάλλον κειμένου (mode 3). Και χρειάζονται 90 λεπτά για να αποκατασταθεί πλήρως στην προ-”humanization” κατάστασή του από τον ερευνητή. Αν άξιζε ή όχι, παραμένει ανοιχτό ερώτημα.

Γιατί είναι δύσκολο για ένα AI humanizer να διατηρήσει παραπομπές;

Οι περισσότεροι humanizers δεν αντιμετωπίζουν τις παραπομπές σωστά επειδή το υποκείμενο γλωσσικό μοντέλο δεν “γνωρίζει” τι είναι παραπομπή. Τις αντιμετωπίζει απλώς όπως κάθε άλλη ακολουθία token (δηλ. "(Smith, 2024)"). Αν κάποιος ζητήσει από τον tokenizer να "preserve citations", θα το κάνει... σε κάποιο βαθμό. Όμως το υποκείμενο μοντέλο έχει εκπαιδευτεί να παράγει ευχερή/“fluently” προσχεδιασμένο λόγο. Όταν συγκρούονται αυτοί οι στόχοι, το μοντέλο συνήθως προτιμά τον ευχερή/ρευστό λόγο.

Το πρόβλημα μπορεί να λυθεί με ένα citation-aware humanizer. Πριν από το rewrite, εκτελούμε μια φάση εξαγωγής όπου εντοπίζουμε τα spans παραπομπών, τις στατιστικές εκφράσεις, τις ετικέτες εξισώσεων και τις εγγραφές στη λίστα αναφορών, αντικαθιστώντας τα με placeholders στη διαδικασία “humanization” και έπειτα επανεισάγοντας τα αρχικά spans αυτούσια μετά. Με αυτόν τον τρόπο, το μοντέλο μας δεν θα “δεί” ποτέ μια παραπομπή στη μορφή που θα μπορούσε να ξαναγράψει.

Αυτή είναι η ίδια αρχιτεκτονική που μας επιτρέπει να βρίσκουμε τη σωστή απάντηση στη μηχανική μετάφραση όταν στη φράση υπάρχει όνομα προσώπου, όνομα brand ή αριθμός. Η ίδια λογική ισχύει για τη humanization: αν προστατέψουμε κάτι από τη γενετική διαδικασία, είμαστε καλύτερα από το να ζητήσουμε από τη γενετική διαδικασία να είναι προσεκτική.

Οι τέσσερις συνέπειες για τον ερευνητή όταν κάτι πάει στραβά

Το κόστος ενός citation-blind humanizer για έναν ερευνητή έρχεται σε τέσσερις μορφές. Έχουμε δει καθεμία από αυτές τα τελευταία 18 μήνες.

Συνέπεια 1: τεχνική απόρριψη από προσυμπτωματικό έλεγχο. Ο αυτοματοποιημένος προσυμπτωματικός έλεγχος ενός περιοδικού εντοπίζει ασυνέπεια ανάμεσα στις παραπομπές του αναδιαμορφωμένου abstract και στη λίστα αναφορών. Το άρθρο επιστρέφεται στους συγγραφείς πριν από την peer review. Στην καλύτερη περίπτωση: καθυστέρηση δύο εβδομάδων. Στη χειρότερη: το ζήτημα επιδεινώνεται μαζί με άλλες αναθεωρήσεις και το χειρόγραφο “πέφτει” έξω από το παράθυρο δημοσίευσης.

Συνέπεια 2: υποψία εκ μέρους του reviewer περί κατασκευής/πλαστογράφησης. Ο reviewer βλέπει μια εντός κειμένου παραπομπή που διαφέρει από την εγγραφή στη λίστα αναφορών ή μια παρενθετική παραπομπή που ξαναγράφτηκε ως μέρος του κειμένου. Συμπεραίνει εύλογα ότι ο συγγραφέας δεν διάβασε την πηγή. Αυτός πλέον είναι ο πιο συνηθισμένος τρόπος για να καταλήξει κανείς σε απόφαση “major revisions” ή “reject” στα χειρόγραφα που ελέγχουμε.

Συνέπεια 3: σήμανση ακεραιότητας από screener βασανισμένων φράσεων. Τα μοτίβα αντικατάστασης με συνώνυμα γύρω από την παραπομπή εντοπίζονται από τον Cabanac screener ή από μια εσωτερική έκδοση του εκδότη. Το άρθρο αποστέλλεται για review ακεραιότητας της έρευνας. Αυτό θα προσθέσει εβδομάδες καθυστέρησης ακόμη κι αν το ίδιο το άρθρο είναι καλό. Θα αφήσει επίσης “σημάδι” στο όνομα του συγγραφέα.

Συνέπεια 4: απόσυρση (retraction) μετά τη δημοσίευση. Σπάνια αλλά όχι θεωρητική. Σε μεταγενέστερο έλεγχο μετά τη δημοσίευση παρατηρήθηκαν άρθρα στα οποία βασανισμένες φράσεις ή rewrites παραπομπών που εισάγονται από humanizers δεν εντοπίστηκαν κατά τη διάρκεια της εκδοτικής διαδικασίας, οδηγώντας σε retractions. Μέχρι σήμερα, το Problematic Paper Screener έχει βοηθήσει σε πάνω από 1.000 retractions, ένα μικρό ποσοστό των οποίων περιλαμβάνει μοτίβα που προκλήθηκαν από humanizer.

Η ισορροπία είναι μονόπλευρη. Το κέρδος από ένα πιο “fluently” rewrite είναι χαμηλό: οδηγεί σε μια μικρή μείωση της ανίχνευσης από AI που θα είναι αβλαβής σε πολλές περιπτώσεις. Η ζημία που σχετίζεται με “σπάσιμο” των παραπομπών είναι υψηλή: καθυστέρηση, υποψία, σήμανση ακεραιότητας ή, ακόμη χειρότερα, retraction. Ένα citation-aware humanizer αποφεύγει αυτή τη ζημία διατηρώντας το κέρδος.

Πώς να δοκιμάσετε οποιοδήποτε humanizer για διατήρηση παραπομπών σε 5 λεπτά

Αυτό είναι το τεστ που εκτελούμε σε κάθε νέο humanizer που κυκλοφορεί. Διαρκεί πέντε λεπτά και μπορεί να γίνει δωρεάν σχεδόν σε κάθε free tier εργαλείου.

Βήμα 1. Αντιγράψτε την παρακάτω παράγραφο στο humanizer που επιλέγετε. Περιέχει τα τέσσερα πιο συνηθισμένα format παραπομπών και μια στατιστική έκφραση.

The intervention reduced symptoms in 64% of participants
(Smith, 2024). Other studies (Jones & Lee, 2023; Patel et al.,
2024, p. 47) reported comparable effects. A recent meta-analysis
[12] confirmed the pattern across populations (n = 1,247,
p < 0.01). The mechanism remains debated; see Reference 14 for
a competing interpretation.

Βήμα 2. Διαβάστε το output μετά τη “humanization”. Ελέγξτε αν το καθένα από αυτά παρέμεινε:

• Η παρενθετική "(Smith, 2024)" ακριβώς.
• Η παραπομπή πολλών συγγραφέων "(Jones & Lee, 2023; Patel et al., 2024, p. 47)" ακριβώς, συμπεριλαμβανομένου του ampersand, του semicolon και του αριθμού σελίδας.
• Η αριθμημένη παραπομπή "[12]" ακριβώς.
• Η στατιστική έκφραση "n = 1,247, p < 0.01" ακριβώς.
• Η cross-reference "Reference 14" χωρίς να γίνει paraphrase σε "the fourteenth reference" ή κάτι παρόμοιο.

Βήμα 3. Αν οποιοδήποτε από τα πέντε στοιχεία άλλαξε, το humanizer δεν είναι citation-aware με την έννοια που μετρά για την ακαδημαϊκή συγγραφή. Χρησιμοποιήστε το σε κείμενα μάρκετινγκ, όχι σε χειρόγραφο.

Βήμα 4. Εκτελέστε μια δεύτερη παράγραφο που περιέχει μια εγγραφή λίστας αναφορών με πλάγια γραφή και ένα DOI:

Smith, J., & Jones, K. (2024). The structure of cellular
respiration in mitochondrial disease. Nature Reviews Molecular
Cell Biology, 25(3), 187-203. https://doi.org/10.1038/s41580-024-00712-3

Ελέγξτε αν η πλάγια γραφή, το ampersand, το format τόμος-τεύχος και το DOI URL παρέμειναν όλα. Το humanizer που μπορεί να διαχειριστεί τις εντός κειμένου παραπομπές αλλά όχι τις εγγραφές στη λίστα αναφορών είναι “μισό ασφαλές”. Το χειρόγραφό σας χρειάζεται την πλήρη εγγύηση.

Βήμα 5. Εκτελέστε ένα τελικό τεστ σε μια παράγραφο από το ίδιο το χειρόγραφό σας. Εργαλεία που δουλεύουν σε τεχνητή είσοδο μπορεί να αποτύχουν σε πραγματικό λόγο με πιο πυκνά μοτίβα παραπομπών. Μην εμπιστεύεστε κανένα humanizer για deadline χωρίς να το επικυρώσετε έναντι του δικού σας κειμένου.

Τεκμηριώνουμε το δικό μας humanizer απέναντι σε αυτό το τεστ στη σελίδα αξιολογήσεων του humanizer και απέναντι σε ονομαστικούς ανταγωνιστές μας, στις Phrasly vs Undetectable.ai comparison. Οι αριθμοί μας συγκρίνονται ανάμεσα στα εργαλεία επειδή και τα δύο άρθρα χρησιμοποιούν την ίδια μέθοδο τεστ όπως περιγράφεται παραπάνω. Αν θέλετε να δείτε πώς τα εργαλεία paraphrasing (διαφορετική κατηγορία) τα καταφέρνουν στο να χειρίζονται την ίδια πρόκληση διατήρησης παραπομπών, δείτε τη σημείωσή μας για paraphrasing που preserves citations, η οποία καλύπτει την πλευρά του paraphrasing του ίδιου αρχιτεκτονικού μοτίβου.

Συχνές ερωτήσεις

Ε: Γιατί οι περισσότεροι AI humanizers χαλάνε τις ακαδημαϊκές παραπομπές;

Σχεδιάστηκαν για content marketers, όχι για ερευνητές. Τα generic humanizers αντιμετωπίζουν όλα τα token ως πιθανούς υποψήφιους για rewrite, οπότε οι εντός κειμένου παραπομπές θα μετατραπούν σε αφηγηματικό κείμενο, οι εγγραφές στη λίστα αναφορών θα χάσουν την πλάγια γραφή και η στίξη τους θα κανονικοποιηθεί, ενώ τα συνώνυμα για “βασανισμένες φράσεις” θα ομαδοποιηθούν γύρω από την παραπομπή. Το πρόβλημα λύνεται με ένα citation-aware humanizer που εξάγει τις παραπομπές πριν από το rewriting και τις εισάγει πίσω μετά.

Ε: Είναι ένα citation-aware humanizer αρκετό για να κάνει το άρθρο μου αόρατο στην ανίχνευση;

Η διατήρηση παραπομπών και η παράκαμψη της ανίχνευσης είναι διαφορετικά προβλήματα. Στόχος ενός citation-aware humanizer είναι να διατηρεί τις παραπομπές σας, ενώ εξακολουθεί να εισάγει εκείνους τους τύπους επιφανειακών παραλλαγών για τις οποίες ψάχνουν οι ανιχνευτές. Το επίπεδο επιθετικότητας με το οποίο το humanizer ξαναγράφει το περιβάλλον κείμενο καθορίζει τον βαθμό που παίρνει η ανιχνευμένη παραπομπή, αλλά δεν επηρεάζει το ποσοστό με το οποίο χειρίζεται τις παραπομπές. Οι περισσότεροι citation-aware humanizers τα πηγαίνουν καλά στην παράκαμψη ανίχνευσης. Αναζητήστε τα benchmark scores ανίχνευσης του εργαλείου που χρησιμοποιείτε (αυτά θα πρέπει να είναι δημοσιευμένα), μαζί με το ποσοστό με το οποίο χειρίζεται τις παραπομπές.

Ε: Μπορώ απλώς να εξαγάγω τις παραπομπές μου χειροκίνητα πριν από τη “humanization”;

Ναι, το κάνουν κάποιοι ερευνητές. Η διαδικασία είναι: αντιγράψτε το ενδιαφέρον χειρόγραφο σε ένα έγγραφο και αντικαταστήστε χειροκίνητα κάθε παραπομπή με ένα placeholder ("[CITE_001]"), κάντε humanize, και έπειτα επανεισάγετε τις αρχικές παραπομπές. Αυτό λειτουργεί για μικρές ποσότητες κειμένου. Σε περίπτωση πλήρους χειρογράφου, η χειροκίνητη εργασία μπορεί να πάρει περισσότερο χρόνο από το βήμα της humanization. Είναι πολύ εύκολο να “χαθούν” placeholders όσο γίνεται η humanization. Αν η εργασία διαρκεί περισσότερο από μερικά λεπτά, σκεφτείτε να την αυτοματοποιήσετε με ένα εργαλείο. Κάθε έγγραφο μεγαλύτερο από 1.500 λέξεις μπορεί να ωφεληθεί από τη χρήση ενός εργαλείου για την αυτοματοποίηση του pipeline που περιγράφεται εδώ.

Ε: Πώς μπορώ να καταλάβω αν ένα humanizer είναι πραγματικά citation-aware ή απλώς το ισχυρίζεται;

Κάντε το τεστ πέντε λεπτών που περιγράφεται στην ενότητα παραπάνω. Αντιγράψτε μια παράγραφο που περιέχει μικτές APA, numbered και στατιστικές παραπομπές και περάστε την μέσα από το εργαλείο. Αν όλα τα στοιχεία εμφανίζονται ακριβώς όπως στην είσοδο, το humanizer είναι citation-aware. Αν οτιδήποτε αλλάξει με οποιονδήποτε τρόπο, η ετικέτα “citation-aware” είναι απλώς μάρκετινγκ. Τα περισσότερα εργαλεία που διαφημίζουν ότι μπορούν να διατηρούν παραπομπές στο marketing τους δεν έχουν στην πράξη υλοποιήσει το μέρος της εξαγωγής του pipeline· τρέχοντας αυτό το τεστ μπορείτε να καταλάβετε ποια τα έχουν πράγματι.

Ε: Αυτό έχει σημασία για κεφάλαια διατριβής που κατατίθενται στον επιβλέποντά μου, ή μόνο για χειρόγραφα περιοδικού;

Έχει σημασία και για τα δύο, για διαφορετικούς λόγους. Για χειρόγραφα περιοδικού, οι ασυνεπείς παραπομπές μπορούν να οδηγήσουν σε τεχνική απόρριψη από προσυμπτωματικό έλεγχο. Για κεφάλαια διατριβής, η συνέπεια είναι ότι ο επιβλέπων ή η επιτροπή βλέπει τη “μετατόπιση” στις παραπομπές, την ερμηνεύει ως ένδειξη είτε χρήσης AI είτε αμέλειας και εγείρει ανησυχία για την ακεραιότητα ή ζητά να ξαναδουλευτεί το κεφάλαιο. Η μετατόπιση είναι τόσο μικρή που μοιάζει σαν ατύχημα, αλλά είναι αρκετά συνεπής ώστε να γίνεται αντιληπτή από έναν προσεκτικό αναγνώστη. Ένα citation-aware humanizer αφαιρεί τον συγκεκριμένο τρόπο αποτυχίας και στα δύο πλαίσια.