Humanizer AI yang Memelihara Rujukan Akademik

Kami menerima tangkap layar daripada seorang postdoc dalam kohort beta kami yang sedang menyediakan penyerahan kepada jurnal imunologi akses terbuka, dan ia merupakan jenis kes yang menjelaskan mengapa humanizer AI yang memelihara rujukan akademik ialah produk yang berbeza daripada produk serbaguna. Beliau menerima penolakan di peringkat meja dengan sebab berikut dalam e-mel penolakan: pemformatan rujukan tidak mematuhi format. Kami menyemak senarai rujukannya dan semuanya baik.

Beliau membuka bahagian abstrak untuk melihat apa sebenarnya masalahnya, tetapi mendapati isu tersebut. Dalam abstrak, terdapat petikan APA dalam teks yang berbunyi "(Nakamura et al., 2024)" sebelum proses humanisasi, namun humanizer popular yang telah beliau cuba menukarnya kepada "seperti yang ditunjukkan oleh Nakamura dan rakan sekerja dalam kajian 2024 mereka." Ini ialah prosa yang indah, dan rujukan yang berbeza.

Alat saringan editor mengesan bahawa rujukan berunsur penceritaan dalam abstrak tidak sepadan dengan rujukan berbentuk kurungan di bahagian lain dalam makalah. Sama ada hasilnya merupakan kelewatan dua minggu untuk menyerahkan abstrak akibat penggantian gaya yang dianggap penambahbaikan oleh humanizer itu, masih merupakan persoalan terbuka.

Kami telah memantau isu ini sejak awal 2025. Dalam ujian terkawal yang kami jalankan ke atas 200 perenggan akademik yang telah di-humankan, Phrasly mengubah pemformatan petikan dalam 47 peratus kes, Undetectable.ai dalam 53 peratus kes, dan Quillbot's humanizer dalam 38 peratus. Lebih kerap lagi, alat-alat tersebut menyentuh apa yang boleh dikatakan elemen paling penting dalam sesebuah makalah akademik: entri senarai rujukan yang menggunakan italik dan DOI, yang kebanyakan penulis pun tidak sempat menyemaknya.

Kebanyakan humanizer dibina untuk penggiat pemasaran kandungan yang menulis artikel blog serta penerangan produk untuk SEO. Namun prosa akademik mempunyai keperluan struktur yang tidak direka untuk dipatuhi oleh alat berfokus pemasaran: petikan mesti kekal utuh selepas proses penulisan semula.

Rencana tersebut menerangkan mengapa humanizer AI yang mengekalkan rujukan akademik ialah produk yang benar-benar berbeza berbanding humanizer serbaguna, bagaimana pemeliharaan yang peka terhadap petikan sebenarnya berlaku di bawah hud, empat akibat kepada penyelidik apabila ia tersilap, dan ujian lima minit yang boleh dilakukan pada mana-mana humanizer sebelum anda mempercayainya untuk manuskrip.

Apakah itu AI humanizer yang memelihara rujukan akademik?

AI humanizer yang memelihara rujukan akademik mengekstrak petikan dalam teks, entri senarai rujukan, ungkapan statistik dan label persamaan sebelum penulisan semula, kemudian memasukkannya semula secara verbatim selepas itu, supaya rujukan APA, MLA dan IEEE kekal utuh. Humanizer generik melangkau langkah ini dan menganggap petikan sebagai token biasa, sebab itulah alat seperti Phrasly, Undetectable.ai dan Quillbot mengubah pemformatan petikan dalam 38 hingga 53 peratus perenggan akademik yang kami uji. Anda boleh mengesahkan sama ada mana-mana alat benar-benar peka terhadap petikan melalui ujian lima minit pada pelan percuma.

Apakah yang dilakukan oleh AI humanizer yang peka terhadap petikan untuk memastikan rujukan anda kekal utuh?

Humanizer generik menganggap teks seseorang sebagai rangkaian token yang akan diubah suai dengan pelbagai cara bagi menghasilkan sesuatu yang kelihatan berbeza pada permukaan. Ini bermakna apa sahaja yang ada di dalamnya, walaupun ia berbentuk kurungan (contohnya, rujukan), beritalik (contohnya, tajuk jurnal), akronim (contohnya, DOI), atau label persamaan serta ungkapan statistik, boleh dijadikan sasaran penulisan semula.

Humanizer yang peka terhadap petikan membiarkan sesetengah perkara tidak disentuh. Mereka menyusun cara untuk mengelakkannya. Secara konkrit, mereka mengenali:

• Petikan kurungan dalam teks. "(Smith, 2024)", "(Smith & Jones, 2024)", "(Smith et al., 2024, p. 47)", "[12]", dan berpuluh variasi format lain merentas APA, MLA, Chicago, IEEE, Harvard, Vancouver, Turabian dan AMA.
• Entri senarai rujukan. Tajuk jurnal beritalik, tanda baca antara nombor jilid dan isu, ampersand berbanding "and," tajuk dalam ayat (sentence-case) berbanding tajuk dalam gaya tajuk (title-case), serta sebarang baris yang berakhir dengan DOI.
• Ungkapan statistik. "p < 0.01," "95% CI [0.34, 0.58]," "n = 1,247," serta konvensi pelaporan bagi selang keyakinan, odds ratio dan effect size.
• Notasi teknikal. Label persamaan (Eq. 3), rujukan kepada rajah (Fig. 2a), rujukan kepada jadual (Table 1), serta penanda rujuk silang yang digunakan manuskrip anda untuk menavigasi antara elemen tersebut.
• Vokabulari mengikut disiplin. Nama kaedah ("PRISMA"), nama instrumen ("CRISPR-Cas9"), rekod pendaftaran ujian ("ClinicalTrials.gov NCT03945383"), dan kata nama khas yang sepatutnya tidak disentuh oleh proses penulisan semula.

Ini bukan kes pinggir (edge cases). Dalam set data editorial kami, manuskrip purata 6,000 patah perkataan mempunyai 47 petikan dalam teks, 11 ungkapan statistik dan 6 rujukan persamaan atau rajah. Humanizer yang menyentuh walaupun 10 peratus daripadanya akan menghasilkan 6 hingga 7 ralat setiap manuskrip yang perlu dikenal pasti dan dibetulkan secara manual sebelum penyerahan.

Bagaimanakah AI humanizer memecahkan petikan APA, MLA dan IEEE?

Dalam ujian kami, humanizer yang buta petikan gagal dalam tiga cara, setiap kali.

Mod kegagalan 1: petikan dalam teks ditulis semula menjadi bentuk naratif. Kes Nakamura di bahagian atas artikel ini. "(Smith, 2024)" menjadi "seperti yang ditunjukkan oleh Smith pada tahun 2024" atau "kajian 2024 Smith mencadangkan." Prosa baharu itu lebih selaras dengan taburan latihan humanizer. Ia menukar jenis petikan (daripada kurungan kepada naratif) dan oleh itu perlu digunakan secara konsisten dalam seluruh perenggan atau seksyen mengikut arahan kebanyakan jurnal, serta mengubah nada suara autor yang tersirat. Editor akan perasan.

Mod kegagalan 2: pemformatan semula senarai rujukan. Entri rujukan "Smith, J. (2024). The structure of Cell, 187(5), 945-961. Https://doi.org/10.1016/j.cell.2024.05.012" akan ditulis semula dengan tajuk jurnal dibuang daripada italik, nombor jilid hilang penekanannya, awalan DOI ditukar, atau tanda baca antara inisial pengarang dan tahun dinormalkan kepada gaya yang berbeza. Secara teknikal, rujukan masih boleh diselesaikan, namun ia tidak lagi sepadan dengan templat APA 7. Penyunting salinan akan menandakannya.

Mod kegagalan 3: frasa yang diputar belit di sekeliling kandungan yang dilindungi. Cabanac Problematic Paper Screener telah menandakan lebih daripada 19,000 kertas yang mengandungi corak penggantian sinonim yang dihasilkan oleh humanizer berasaskan parafrasa. "Joined Together States for United States." "Bosom peril for breast cancer." "Renal disappointment for kidney failure." Petikan dengan frasa yang diputar belit ini mengelilingi data ujian kami, menjadikan petikan yang berada di sekelilingnya lebih sukar untuk diyakini oleh editor, walaupun petikan itu sendiri kekal utuh. Problematic Paper Screener (Cabanac, Labbe, and Magazinov) kini digunakan oleh beberapa penerbit untuk menandakan kertas bagi semakan editorial sebelum semakan rakan sebaya.

Ketiga-tiga kegagalan bergabung. Kertas yang dikembalikan oleh humanizer generik dipenuhi dengan petikan dalam teks yang ditulis semula secara naratif (mod 1), entri rujukan yang diformat semula (mod 2) dan prosa sekeliling yang diputar belit (mod 3). Dan ia mengambil masa 90 minit untuk penyelidik memulihkannya kembali kepada keadaan sebelum humanisasi. Sama ada ia berbaloi masih merupakan persoalan terbuka.

Mengapa sukar bagi AI humanizer untuk memelihara petikan?

Kebanyakan humanizer tidak memperlakukan petikan dengan betul kerana model bahasa asas tidak tahu apa itu petikan. Ia hanya menganggapnya sebagai mana-mana siri token lain (iaitu "(Smith, 2024)"). Jika seseorang meminta tokenizer untuk "memelihara petikan", ia akan melakukannya... setakat tertentu. Namun model asas telah dilatih untuk menghasilkan prosa yang lancar. Apabila terdapat konflik antara kedua-dua matlamat tersebut, model biasanya akan mengutamakan prosa yang lancar.

Masalah ini boleh diselesaikan oleh humanizer yang peka terhadap petikan. Sebelum penulisan semula, kami menjalankan fasa pengekstrakan di mana kami mengenal pasti julat petikan, ungkapan statistik, label persamaan dan entri senarai rujukan, kemudian menggantikannya dengan tempat letak (placeholder) semasa fasa humanisasi, dan selepas itu memasukkan semula julat asal secara verbatim. Dengan cara ini, model kami tidak akan melihat petikan dalam bentuk yang berpotensi untuk ia tulis semula.

Ini ialah seni bina yang sama yang membolehkan kami memperoleh jawapan yang betul dalam terjemahan mesin apabila terdapat nama seseorang, nama jenama atau nombor dalam ayat. Logik yang sama terpakai pada humanisasi: jika kita melindungi sesuatu daripada fasa generatif, kita lebih baik berbanding cuba meminta fasa generatif supaya berhati-hati.

Empat akibat kepada penyelidik apabila ia tersilap

Kos humanizer yang buta petikan kepada penyelidik datang dalam empat bentuk. Kami telah melihat setiap satu daripadanya dalam tempoh 18 bulan yang lalu.

Akibat 1: penolakan saringan teknikal. Saringan automatik sesebuah jurnal mengesan ketidakkonsistenan antara petikan abstrak yang diformat semula dan senarai rujukan. Kertas dihantar semula kepada penulis sebelum semakan rakan sebaya. Senario terbaik: kelewatan dua minggu. Senario terburuk: isu itu bertambah dengan pembetulan lain dan manuskrip gugur daripada tetingkap penerbitan.

Akibat 2: syak terhadap pemalsuan oleh penyemak. Penyemak melihat petikan dalam teks yang berbeza daripada entri senarai rujukan, atau petikan dalam kurungan yang ditulis semula sebagai sebahagian daripada teks. Secara semula jadi, penyemak menganggap penulis tidak membaca sumber. Kini, cara paling biasa untuk berakhir dengan keputusan "semakan besar" atau "tolak" dalam manuskrip yang kami audit.

Akibat 3: bendera integriti daripada saringan frasa yang diputar belit. Corak penggantian sinonim di sekeliling petikan dikesan oleh Cabanac screener atau versi dalaman sesebuah penerbit. Kertas dihantar untuk semakan integriti penyelidikan. Ini akan menambah beberapa minggu kelewatan walaupun kertas asasnya baik. Ia juga akan meninggalkan rekod pada nama penulis.

Akibat 4: penarikan semula selepas penerbitan. Jarang, tetapi bukan sesuatu yang mustahil. Audit selepas penerbitan mendapati kertas yang petikan berfrasa diputar belit atau penulisan semula petikan yang diperkenalkan oleh humanizer tidak ditangkap semasa proses editorial, lalu membawa kepada penarikan semula. Setakat ini, Problematic Paper Screener telah membantu dalam lebih 1,000 penarikan semula, sebahagian kecil daripadanya melibatkan corak yang dicetuskan oleh humanizer.

Nisbahnya tidak seimbang. Keuntungan daripada penulisan semula yang lancar adalah rendah: ia hanya membawa sedikit penurunan pada pengesanan AI yang tidak akan membahayakan dalam banyak kes. Kerugian akibat petikan yang rosak adalah tinggi: kelewatan, syak, bendera integriti, atau lebih teruk lagi, penarikan semula. Humanizer yang peka terhadap petikan mengelakkan kerugian sambil mengekalkan keuntungan.

Cara menguji mana-mana humanizer untuk pemeliharaan petikan dalam 5 minit

Inilah ujian yang kami jalankan pada setiap humanizer baharu yang muncul di pasaran. Ia mengambil masa lima minit dan anda boleh melakukannya secara percuma pada hampir mana-mana pelan percuma.

Langkah 1. Salin perenggan berikut ke dalam humanizer pilihan anda. Ia mengandungi empat format petikan yang paling lazim serta ungkapan statistik.

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.

Langkah 2. Baca hasil humanisasi. Semak sama ada setiap daripada lima elemen ini kekal:

• Petikan dalam kurungan "(Smith, 2024)" tepat seperti asal.
• Petikan berbilang pengarang "(Jones & Lee, 2023; Patel et al., 2024, p. 47)" tepat seperti asal, termasuk ampersand, titik koma, dan nombor halaman.
• Rujukan bernombor "[12]" tepat seperti asal.
• Ungkapan statistik "n = 1,247, p < 0.01" tepat seperti asal.
• Rujuk silang "Reference 14" tidak diparafrasa menjadi "rujukan keempat belas" atau seumpamanya.

Langkah 3. Jika mana-mana lima elemen tersebut berubah, humanizer itu bukanlah peka terhadap petikan dalam erti yang penting untuk penulisan akademik. Gunakannya untuk penulisan salinan pemasaran, bukan untuk manuskrip.

Langkah 4. Jalankan perenggan kedua yang mengandungi entri senarai rujukan dengan italik dan 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

Semak sama ada italik, ampersand, format jilid-isu, serta URL DOI semuanya kekal. Humanizer yang boleh mengendalikan petikan dalam teks tetapi tidak entri rujukan adalah separuh selamat. Manuskrip anda memerlukan jaminan penuh.

Langkah 5. Jalankan ujian akhir pada perenggan daripada manuskrip anda sendiri. Alat yang berfungsi pada input buatan mungkin gagal pada prosa sebenar yang mempunyai corak petikan lebih padat. Jangan percaya mana-mana humanizer untuk tarikh akhir tanpa mengesahkannya terhadap teks anda sendiri.

Kami mendokumentasikan humanizer kami sendiri terhadap ujian ini di laman ranking humanizer dan terhadap pesaing yang dinamakan dalam perbandingan Phrasly vs Undetectable.ai. Angka kami dibandingkan merentas alat kerana kedua-dua rencana menggunakan kaedah ujian yang sama seperti yang diterangkan di atas. Jika anda ingin melihat bagaimana alat parafrasa (kategori berbeza) berdepan cabaran yang sama iaitu memelihara petikan, lihat nota kami tentang parafrasa yang memelihara petikan, yang merangkumi bahagian parafrasa bagi corak seni bina yang sama.

Soalan lazim

S: Mengapa kebanyakan AI humanizer merosakkan petikan akademik?

Ia direka untuk pemasar kandungan, bukan untuk penyelidik. Humanizer generik memperlakukan semua token sebagai calon berpotensi untuk penulisan semula, jadi petikan dalam teks akan ditukar kepada teks naratif, entri senarai rujukan akan kehilangan italik dan tanda bacanya dinormalkan, serta sinonim untuk frasa yang diputar belit akan dikumpulkan di sekeliling petikan. Masalah ini diatasi oleh humanizer yang peka terhadap petikan yang mengekstrak petikan sebelum penulisan semula dan memasukkannya semula selepas itu.

S: Adakah humanizer yang peka terhadap petikan cukup untuk menjadikan kertas saya tidak dapat dikesan?

Pemeliharaan petikan dan lencongan (bypass) pengesanan ialah dua masalah yang berbeza. Matlamat humanizer yang peka terhadap petikan ialah memelihara petikan anda tetapi masih memperkenalkan variasi pada permukaan yang dicari oleh pengesan. Tahap agresif humanizer menulis semula teks sekeliling menentukan skor petikan yang dikesan, tetapi tidak menjejaskan kadar ia mengendalikan petikan. Kebanyakan humanizer yang peka terhadap petikan berprestasi baik dalam bypass pengesanan. Rujuk skor pengesanan penanda aras alat yang digunakan (ini sepatutnya diterbitkan) bersama kadar ia mengendalikan petikan.

S: Bolehkah saya sahaja mengekstrak petikan saya secara manual sebelum humanisasi?

Ya, sebahagian penyelidik melakukannya. Prosesnya ialah: salin manuskrip yang diminati ke dalam dokumen dan ganti setiap petikan dengan tempat letak ("[CITE_001]"), lakukan humanisasi, kemudian masukkan semula petikan asal. Ini berfungsi untuk jumlah teks yang kecil. Bagi manuskrip yang lengkap, tugas manual boleh mengambil lebih masa berbanding langkah humanisasi. Sangat mudah untuk terlepas tempat letak semasa humanisasi. Jika tugas mengambil masa lebih daripada beberapa minit, pertimbangkan untuk mengautomasikannya dengan alat. Sebarang dokumen yang lebih panjang daripada 1,500 patah perkataan boleh mendapat manfaat daripada penggunaan alat untuk mengautomasikan rangkaian proses yang diterangkan di sini.

S: Bagaimanakah saya boleh mengetahui sama ada humanizer benar-benar peka terhadap petikan atau sekadar mendakwa demikian?

Lakukan ujian lima minit yang diterangkan dalam bahagian di atas. Salin perenggan yang mengandungi petikan bercampur APA, petikan bernombor dan petikan statistik, kemudian jalankan melalui alat. Jika semua elemen muncul tepat seperti dalam input, humanizer itu peka terhadap petikan. Jika terdapat apa-apa yang berubah dalam apa jua cara, label "peka terhadap petikan" hanyalah pemasaran. Kebanyakan alat yang mengiklankan diri mereka sebagai mampu memelihara petikan dalam salinan pemasaran mereka sebenarnya belum melaksanakan bahagian pengekstrakan dalam rangkaian proses; menjalankan ujian ini membolehkan anda mengenal pasti yang mana.

S: Adakah ini penting untuk bab tesis yang dikemukakan kepada penyelia saya, atau hanya untuk manuskrip jurnal?

Ia penting untuk kedua-duanya, tetapi atas sebab yang berbeza. Untuk manuskrip jurnal, petikan yang tidak konsisten boleh mengakibatkan penolakan saringan teknikal. Untuk bab tesis, akibatnya ialah penyelia atau jawatankuasa anda melihat perubahan (drift) dalam petikan, menganggap itu bukti sama ada penggunaan AI atau kecuaian, lalu menimbulkan kebimbangan tentang integriti atau meminta anda mengolah semula bab tersebut. Perubahan itu sangat kecil sehingga kelihatan seperti kemalangan, tetapi cukup konsisten untuk diperhatikan oleh pembaca yang teliti. Humanizer yang peka terhadap petikan menghapuskan mod kegagalan dalam kedua-dua konteks.