Umanizorul AI care păstrează citările academice

Am primit o captură de ecran de la un postdoc din cohorta noastră beta, care pregătea o trimitere către un jurnal open-access de imunologie, iar acesta este exact tipul de caz care arată de ce un umanizor AI ce păstrează citările academice este un produs diferit de unul cu utilizare generalistă. Ea primise o respingere la birou, cu următorul motiv în e-mailul de respingere: formatare neconformă a referințelor. Am verificat lista ei de referințe și era în regulă. A deschis apoi rezumatul ca să vadă unde era problema, doar ca să descopere că problema era acolo.

În rezumat exista o citare APA în text care înainte de umanizare apărea astfel: "(Nakamura et al., 2024)"; însă popularul umanizor pe care îl încercase a modificat-o în „as Nakamura and colleagues showed in their 2024 study.” Acesta este un text foarte bine scris, dar este o citare diferită. Instrumentul de screening al editorului a observat că referința narativă din rezumat nu se potrivea cu referințele parentetice din restul articolului.

Dacă rezultatul a fost o întârziere de două săptămâni în trimiterea rezumatului, din cauza unei substituții stilistice pe care umanizorul a considerat-o o îmbunătățire, rămâne o întrebare deschisă.

Am urmărit această problemă încă de la începutul lui 2025. Într-un test controlat, rulat pe 200 de paragrafe academice umanizate care conțineau citări în text, Phrasly a modificat formatarea citărilor în 47% dintre cazuri, Undetectable.ai în 53% dintre cazuri și umanizorul Quillbot în 38%. Și chiar mai des, instrumentele ating ceea ce, arguabil, sunt cele mai importante elemente ale unui articol academic: intrările din lista de referințe cu italicuri și DOIs, pe care majoritatea autorilor nici măcar nu se obosesc să le verifice.

Majoritatea umanizorilor au fost creați pentru content marketing care scrie postări pe blog și descrieri de produse pentru SEO. Însă proza academică are o cerință structurală pe care un instrument orientat pe marketing nu a fost conceput să o respecte: citarea trebuie să supraviețuiască rescrierii, intactă.

Articolul explică de ce un umanizor AI care păstrează citările academice este un produs semnificativ diferit de un umanizor generalist, cum arată concret păstrarea conștientă de citări „în culise”, care sunt cele patru consecințe pentru cercetători când lucrurile merg prost și un test de 5 minute pe care îl poți rula pe orice umanizor înainte să ai încredere într-un manuscris.

Ce este un AI humanizer care păstrează citările academice?

Un AI humanizer care păstrează citările academice extrage citările în text, intrările din lista de referințe, expresiile statistice și etichetele de ecuații înainte de rescriere, apoi le reintroduce verbatim după aceea, astfel încât referințele APA, MLA și IEEE supraviețuiesc intacte. Umanizorii generici sar peste acest pas și tratează citările ca niște tokeni obișnuiți, motiv pentru care instrumente precum Phrasly, Undetectable.ai și Quillbot au modificat formatarea citărilor în 38–53% dintre paragrafele academice pe care le-am testat. Poți verifica dacă un instrument este cu adevărat „conștient de citări” cu un test de cinci minute pe versiunea sa gratuită.

Ce face un umanizor AI conștient de citări ca să-ți păstreze citările intacte?

Umanizorul generic tratează textul ca pe o serie de tokeni pe care urmează să îi rescrie în moduri diferite, ca să obțină ceva diferit la suprafață. Asta înseamnă că orice se află în el, chiar dacă este parentetic (de ex., o referință), italicizat (de ex., titlul unui jurnal), un acronim (de ex., DOI) sau o etichetă de ecuație ori o expresie statistică, este „pe lista de lucru” pentru rescriere.

Un umanizor conștient de citări lasă unele lucruri neatinse. Se descurcă în jurul lor. Concret, recunoaște:

• Citări parentetice în text. „(Smith, 2024)”, „(Smith & Jones, 2024)”, „(Smith et al., 2024, p. 47)”, „[12]” și varietatea de formate de-a lungul APA, MLA, Chicago, IEEE, Harvard, Vancouver, Turabian și AMA.
• Intrări din lista de referințe. Titlurile de jurnal italicizate, punctuația dintre volum și număr, ampersandul versus „and”, formularea cu literă mică la început (sentence-case) vs formularea tip titlu (title-case) pentru titlurile articolelor și orice linie care se încheie cu un DOI.
• Expresii statistice. „p < 0.01”, „95% CI [0.34, 0.58]”, „n = 1,247” și convențiile pentru raportarea intervalelor de încredere, a odds ratios și a dimensiunilor efectului.
• Notație tehnică. Etichetele de ecuație (Eq. 3), trimiterile la figuri (Fig. 2a), trimiterile la tabele (Table 1) și markerii de cross-referință pe care manuscrisul tău îi folosește pentru a naviga între acestea.
• Vocabular specific disciplinei. Numele metodelor („PRISMA”), denumirile instrumentelor („CRISPR-Cas9”), registrele de trialuri ("ClinicalTrials.gov NCT03945383") și substantivele proprii pe care rescrierea nu ar trebui să le atingă.

Acestea nu sunt cazuri-limită. În setul nostru editorial, manuscrisul mediu de 6.000 de cuvinte are 47 de citări în text, 11 expresii statistice și 6 trimiteri la ecuații sau figuri. Un umanizor care atinge chiar și 10% dintre acestea va produce 6–7 erori per articol, erori care trebuie găsite și corectate manual înainte de depunere.

Cum strică AI humanizers citările APA, MLA și IEEE?

În testele noastre, umanizorii „orbi la citări” se defectează în trei moduri, de fiecare dată.

Mod de eșec 1: citările în text rescrise în formă narativă. Cazul Nakamura de la începutul acestui articol. „(Smith, 2024)” devine „as Smith demonstrated in 2024” sau „Smith's 2024 study suggested.” Noul text pare mai natural pentru distribuția de antrenare a unui umanizor. Schimbă tipul citării (din parentetic în narativ) și, astfel, trebuie utilizat consecvent în întreg paragraful sau secțiunea, conform instrucțiunilor majorității jurnalelor, și modifică vocea autorului sugerată. Editorii observă.

Mod de eșec 2: reformatările listei de referințe. Intrarea de referință „Smith, J. (2024). The structure of Cell, 187(5), 945-961. Https://doi.org/10.1016/j.cell.2024.05.012” este rescrisă cu titlul jurnalului scos din italic, numărul volumului pierzând accentul, prefixul DOI schimbat sau punctuația dintre inițialele autorului și an normalizată la un stil diferit. Tehnic, referința se rezolvă în continuare, dar nu mai corespunde șablonului APA 7. Editorii tehnici o semnalează.

Mod de eșec 3: expresii „torturate” în jurul conținutului protejat. Cabanac Problematic Paper Screener a semnalat peste 19.000 de articole care conțin tipare de substituție de sinonime pe care le produc umanizorii bazate pe parafrazare. „Joined Together States for United States.” „Bosom peril for breast cancer.” „Renal disappointment for kidney failure.” Citările cu aceste expresii „torturate” înconjoară datele noastre de test, făcând ca citarea, în ansamblu, să fie mai greu de avut încredere de către editori, chiar și atunci când citarea în sine a supraviețuit intactă. Problematic Paper Screener (Cabanac, Labbe, and Magazinov) este folosit acum de mai mulți editori pentru a semnala articole în vederea unei evaluări editoriale înainte de peer review.

Cele trei eșecuri se combină. Articolul returnat de un umanizor generic este plin de citări în text rescrise narativ (modul 1), intrări de referințe reformatate (modul 2) și proză înconjurătoare „torturată” (modul 3). Iar pentru ca cercetătorul să o readucă pe deplin la starea de dinainte de umanizare îi trebuie 90 de minute. Dacă merită, rămâne o întrebare deschisă.

De ce este greu pentru un AI humanizer să păstreze citările?

Majoritatea umanizorilor nu tratează citările corect deoarece modelul lingvistic de bază nu știe ce este o citare. Pur și simplu le tratează ca pe orice altă secvență de tokeni (adică „(Smith, 2024)”). Dacă îi ceri tokenizerului să „păstreze citările”, o va face... într-o oarecare măsură. Însă modelul de bază a fost antrenat să genereze proză fluentă. Când există un conflict între aceste obiective, modelul preferă de obicei proza fluentă.

Problema poate fi rezolvată de un umanizor conștient de citări. Înainte de rescriere, rulăm o etapă de extracție în care identificăm porțiunile de citare, expresiile statistice, etichetele de ecuații și intrările din lista de referințe, le înlocuim cu placeholderi în etapa de umanizare și apoi reinserăm după aceea, verbatim, porțiunile originale. În acest fel, modelul nostru nu va vedea niciodată o citare în forma în care ar putea fi rescrisă.

Este aceeași arhitectură care ne permite să obținem răspunsul corect în traducerea automată atunci când în propoziție există un nume de persoană, un nume de brand sau un număr. Aceeași logică se aplică și umanizării: dacă protejăm ceva de etapa generativă, suntem mai bine decât să încercăm să cerem părții generative să fie atentă.

Cele patru consecințe pentru cercetători când lucrurile merg prost

Costul unui umanizor orb la citări pentru un cercetător se prezintă în patru forme. Le-am văzut pe fiecare în ultimele 18 luni.

Consecința 1: respingere în screening tehnic. Screeningul automat al unui jurnal surprinde o inconsecvență între citările din rezumatul reformatat și lista de referințe. Articolul este returnat autorilor înainte de peer review. Cel mai bun caz: o întârziere de două săptămâni. Cel mai rău caz: problema se cumulează cu alte revizii, iar manuscrisul iese din fereastra de publicare.

Consecința 2: suspiciune din partea recenzorului privind o fabricație. Recenzorul observă o citare în text care diferă de intrarea din lista de referințe sau o citare parentetică rescrisă ca parte a textului. În mod natural, el/ea presupune că autorul nu a citit sursa. Acesta este acum cel mai comun mod de a ajunge la o decizie de „revizii majore” sau „respingere” în manuscrisele pe care le auditează.

Consecința 3: un „flag” de integritate din partea unui screener de expresii „torturate”. Tiparele de substituție de sinonime din jurul citării sunt detectate de Cabanac screener sau de o versiune internă a publisherului. Articolul este trimis pentru o evaluare de integritate în cercetare. Aceasta va adăuga săptămâni de întârziere chiar dacă manuscrisul original este bun. În plus, va lăsa o urmă asupra numelui autorului.

Consecința 4: retragere după publicare. Rară, dar nu teoretică. Un audit post-publicare a identificat articole în care expresiile „torturate” sau rescrierile de citări introduse de umanizorii noștri n-au fost depistate în procesul editorial, ceea ce a condus la retrageri. Până în prezent, Problematic Paper Screener a contribuit la peste 1.000 de retrageri, o fracție dintre ele implicând tipare induse de umanizor.

Echilibrul este dezechilibrat. Câștigul dintr-o rescriere fluentă este mic: duce la o scădere ușoară a detecției AI, lucru care va fi inofensiv în multe cazuri. Pierderea asociată unei „pauze” în citări este mare: o întârziere, o suspiciune, un „flag” de integritate sau, și mai rău, o retragere. Un umanizor conștient de citări evită pierderea, păstrând câștigul.

Cum să testezi orice umanizor pentru păstrarea citărilor în 5 minute

Acesta este testul pe care îl rulăm pe fiecare umanizor nou care intră pe piață. Durează cinci minute și îl poți face gratuit pe aproape orice versiune gratuită a unui instrument.

Pasul 1. Copiază paragraful următor în umanizorul pe care îl alegi. Conține cele mai comune patru formate de citare și o expresie statistică.

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.

Pasul 2. Citește rezultatul umanizat. Verifică dacă fiecare dintre aceste elemente a supraviețuit:

• Parenteticul „(Smith, 2024)” exact.
• „(Jones & Lee, 2023; Patel et al., 2024, p. 47)” pentru autori multipli, exact, inclusiv ampersandul, punctul și virgulă, numărul paginii.
• Referința numerotată „[12]” exact.
• Expresia statistică „n = 1,247, p < 0.01” exact.
• Cross-referința „Reference 14” fără să fie parafrazată în „the fourteenth reference” sau similar.

Pasul 3. Dacă oricare dintre cele cinci elemente s-a modificat, umanizorul nu este „conștient de citări” în sensul relevant pentru scrierea academică. Folosește-l pentru texte de marketing, nu pentru un manuscris.

Pasul 4. Rulază un al doilea paragraf care conține o intrare din lista de referințe cu italicuri și un 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

Verifică dacă italicurile, ampersandul, formatul volum-număr și URL-ul DOI au supraviețuit. Umanizorul care poate gestiona citările în text, dar nu și intrările din lista de referințe, este pe jumătate în siguranță. Manuscrisul tău necesită garanția completă.

Pasul 5. Rulază un test final pe un paragraf din propriul tău manuscris. Instrumentele care funcționează pe input artificial pot eșua pe proză reală, cu modele de citare mai dense. Nu te baza pe niciun umanizor pentru termene limită fără să îl validezi pe textul tău propriu.

Documentăm propriul nostru umanizor față de acest test pe pagina noastră de clasamente ale umanizorilor și față de competitori numiți în comparația noastră Phrasly vs Undetectable.ai comparison. Numerele noastre se compară între instrumente deoarece ambele articole folosesc aceeași metodă de test descrisă mai sus. Dacă vrei să vezi cum se descurcă instrumentele de parafrazare (o categorie diferită) în a gestiona aceeași provocare de păstrare a citărilor, vezi observația noastră despre parafrazare care preserves citations, ce acoperă partea de parafrazare a aceluiași tipar arhitectural.

Întrebări frecvente

Î: De ce majoritatea AI humanizers strică citările academice?

Au fost create pentru content marketing, nu pentru cercetători. Umanizorii generici tratează toți tokenii ca potențiali candidați pentru rescriere, astfel încât citările în text vor fi convertite în text narativ, intrările din lista de referințe vor avea italicurile eliminate și punctuația normalizată, iar sinonimele pentru expresiile „torturate” vor fi grupate în jurul citării. Această problemă este rezolvată de un umanizor conștient de citări, care extrage citările înainte de rescriere și le inserează la loc după aceea.

Î: Este un umanizor conștient de citări suficient ca hârtia mea să fie „nedetectabilă”?

Păstrarea citărilor și evitarea detecției sunt probleme diferite. Scopul umanizorului conștient de citări este să îți păstreze citările, dar să introducă totodată tipurile de variații la suprafață pe care le caută detectoarele. Nivelul de agresivitate cu care umanizorul rescrie textul din jur determină scorul atribuit citării detectate, dar nu afectează rata la care gestionează citările. Majoritatea umanizorilor conștienți de citări funcționează bine în bypass-ul detecției. Caută scorurile de detecție benchmark ale instrumentului pe care îl folosești (acestea ar trebui publicate), împreună cu rata la care acesta gestionează citările.

Î: Pot doar să îmi extrag citările manual înainte de umanizare?

Da, unii cercetători fac asta. Procesul este: copiezi manuscrisul relevant într-un document și înlocuiești manual fiecare citare cu un placeholder ("[CITE_001]"), umanizezi, apoi re-inserai citările originale. Funcționează pentru cantități mici de text. În cazul unui manuscris complet, sarcina manuală poate dura mai mult decât etapa de umanizare. Este foarte ușor să pierzi placeholderi în timpul umanizării. Dacă sarcina durează mai mult de câteva minute, ia în considerare automatizarea ei cu un instrument. Orice document mai lung de 1.500 de cuvinte poate beneficia de utilizarea unui instrument care să automatizeze pipeline-ul descris aici.

Î: Cum pot să îmi dau seama dacă un umanizor este cu adevărat conștient de citări sau doar pretinde că este?

Fă testul de cinci minute descris în secțiunea de mai sus. Copiază un paragraf care conține citări mixte APA, numerotate și statistice și trece-l prin instrument. Dacă toate elementele apar exact ca în input, umanizorul este conștient de citări. Dacă este schimbat ceva, eticheta „conștient de citări” este doar marketing. Majoritatea instrumentelor care se prezintă ca fiind capabile să păstreze citările în textele lor de marketing nu au implementat de fapt partea de extracție a pipeline-ului; rularea acestui test îți permite să afli care dintre ele sunt cu adevărat.

Î: Contează pentru capitole de teză pe care le trimit coordonatorului meu, sau doar pentru manuscrisele trimise la jurnal?

Contează pentru ambele, din motive diferite. Pentru manuscrisele trimise la jurnal, citările inconsecvente pot duce la respingere în screeningul tehnic. Pentru capitolele de teză, consecința este că coordonatorul sau comisia observă deriva citărilor, o interpretează ca dovadă fie a utilizării AI, fie a neglijenței și ridică o problemă legată de integritate ori cere refacerea capitolului. Deriva este atât de minoră încât pare un accident, dar este suficient de consecventă încât să fie sesizabilă de un cititor atent. Un umanizor conștient de citări elimină modul de eșec în ambele contexte.