وہ AI Humanizer جو علمی حوالہ جات (Citations) محفوظ رکھتا ہے

ہمیں اپنی بیٹا کوہورٹ میں شامل ایک پوسٹ ڈاک سے ایک اسکرین شاٹ موصول ہوا، جو ایک اوپن ایکسیس امیونولوجی جرنل میں سبمیشن تیار کر رہی تھی، اور یہ بالکل وہی قسم کا کیس ہے جو واضح کرتا ہے کہ علمی حوالہ جات محفوظ رکھنے والا AI humanizer ایک عمومی (general-purpose) humanizer سے کیوں مختلف پروڈکٹ ہے۔ اسے rejection ای میل میں درج ذیل وجہ کے ساتھ ڈیسک ریجیکشن ملا تھا: non-compliant reference formatting۔ ہم نے اس کی ریفرنس لسٹ دیکھی تو وہ درست تھی۔ اس نے مسئلے کی نوعیت سمجھنے کے لیے abstract کھولا، وہاں مسئلہ نکل آیا۔ abstract میں humanization سے پہلے ایک in-text APA citation موجود تھی: "(Nakamura et al., 2024)"، مگر اس نے جس مقبول humanizer کو آزمایا تھا، اس نے اسے بدل کر یہ کر دیا: "as Nakamura and colleagues showed in their 2024 study." یہ بہت خوبصورت نثر ہے، مگر یہ مختلف citation ہے۔ ایڈیٹر کے screening ٹول نے نوٹس کیا کہ abstract میں موجود storytelling reference، باقی پیپر میں موجود parenthetical references سے میچ نہیں کر رہا۔ آیا انسانی عبارت کو زیادہ “بہتر” سمجھ کر ہونے والی stylistic substitution کے نتیجے میں abstract سبمٹ کرنے میں دو ہفتوں کی تاخیر ہوئی، یہ سوال کھلا رہتا ہے۔

ہم 2025 کے آغاز سے اس مسئلے کی ٹریکنگ کر رہے ہیں۔ ہم نے 200 humanized علمی پیراگرافز پر ایک کنٹرولڈ ٹیسٹ چلایا جن میں in-text citations موجود تھے۔ ان میں Phrasly نے 47% کیسز میں citation formatting میں تبدیلی کی، Undetectable.ai نے 53% کیسز میں، اور Quillbot کے humanizer نے 38% کیسز میں۔ اکثر تو یہ ٹولز اُن چیزوں کو بھی چھو لیتے ہیں جنہیں بظاہر علمی پیپر کے سب سے اہم اجزاء کہا جا سکتا ہے: reference list کی entries جن میں italics اور DOIs ہوتے ہیں، حالانکہ بیشتر مصنفین انہیں چیک کرنے کی زحمت بھی نہیں کرتے۔ زیادہ تر humanizers مواد مارکیٹرز کے لیے بنائے گئے تھے جو بلاگز اور SEO پروڈکٹ ڈسکرپشنز لکھتے ہیں۔ مگر علمی نثر کی ایک ساختی (structural) شرط ہوتی ہے جسے مارکیٹنگ پر مبنی کسی ٹول نے ڈیزائن ہی نہیں کیا: citation کو rewrite کے بعد بھی بالکل محفوظ رہنا چاہیے۔

اس پوسٹ میں بتایا گیا ہے کہ وہ AI humanizer جو علمی citations کو محفوظ رکھتا ہے، کیوں عام-purpose humanizer سے واقعی ایک مختلف پروڈکٹ ہے، citation-aware preservation کے اندر “اصل میں” کیا ہوتا ہے، جب یہ fail ہو تو چار محققین (researcher) پر کیا اثرات پڑتے ہیں، اور ہر اس humanizer پر 5 منٹ کا ایسا ٹیسٹ جو آپ manuscript کے لیے بھروسہ کرنے سے پہلے کر سکتے ہیں۔

علمی citations محفوظ رکھنے والا AI Humanizer کیا ہے؟

ایک AI humanizer جو علمی citations محفوظ رکھتا ہے، rewrite سے پہلے in-text citations، reference list entries، statistical expressions، اور equation labels نکالتا ہے، پھر انہیں بعد میں verbatim دوبارہ داخل کر دیتا ہے؛ اس طرح APA، MLA، اور IEEE حوالہ جات بالکل برقرار رہتے ہیں۔ عام humanizers اس قدم کو چھوڑ دیتے ہیں اور citations کو ordinary tokens سمجھ کر treat کرتے ہیں، اسی لیے Phrasly، Undetectable.ai، اور Quillbot جیسے ٹولز نے ان پیراگرافز میں جنہیں ہم نے ٹیسٹ کیا، 38% سے 53% تک citation formatting کو تبدیل کر دیا۔ آپ free tier پر 5 منٹ کے ٹیسٹ سے یہ بھی تصدیق کر سکتے ہیں کہ کوئی بھی ٹول واقعی citations سے واقف (citation-aware) ہے یا نہیں۔

citations محفوظ رکھنے کے لیے citation-aware AI humanizer آپ کی citations کو کیسے intact رکھتا ہے؟

عام humanizer اپنی تحریر کو tokens کی ایک سیریز کی طرح دیکھتا ہے جسے وہ مختلف طریقوں سے rewrite کر کے اوپر سے “کچھ مختلف” بنا دے گا۔ اس کا مطلب یہ ہے کہ وہاں موجود کوئی بھی چیز، خواہ وہ parenthetical ہو (مثلاً reference)، italicized ہو (مثلاً journal title)، acronym ہو (مثلاً DOI)، یا equation label یا statistical expression، rewrite کے لیے مکمل طور پر قابلِ ہدف ہے۔

citation-aware humanizer کچھ چیزیں بغیر چھیڑے چھوڑ دیتا ہے۔ وہ ان کے گرد کام کرتا ہے۔ زیادہ ٹھوس الفاظ میں، وہ یہ چیزیں پہچانتا ہے:

• In-text parenthetical citations۔ "(Smith, 2024)", "(Smith & Jones, 2024)", "(Smith et al., 2024, p. 47)", "[12]"، اور APA، MLA، Chicago، IEEE، Harvard، Vancouver، Turabian، اور AMA میں موجود درجنوں فارمیٹ ویرینٹس۔
• Reference list entries۔ Italicized journal titles، volume اور issue کے درمیان موجود punctuation، ampersands بمقابلہ "and"، sentence-case بمقابلہ title-case میں آرٹیکل ٹائٹلز، اور کوئی بھی ایسی لائن جو DOI پر ختم ہو۔
• Statistical expressions۔ "p < 0.01," "95% CI [0.34, 0.58]," "n = 1,247," اور confidence intervals، odds ratios، اور effect sizes رپورٹ کرنے کی conventions۔
• Technical notation۔ Equation labels (Eq. 3)، figure references (Fig. 2a)، table references (Table 1)، اور cross-reference markers جنہیں آپ کی manuscript انہیں آپس میں جوڑ کر نیویگیٹ کرنے کے لیے استعمال کرتی ہے۔
• Discipline vocabulary۔ Method names ("PRISMA")، instrument names ("CRISPR-Cas9")، trial registries ("ClinicalTrials.gov NCT03945383")، اور وہ proper nouns جنہیں rewrite کو ہاتھ نہیں لگانا چاہیے۔

یہ کوئی edge cases نہیں ہیں۔ ہمارے editorial dataset میں تقریباً 6,000 لفظوں کی اوسط manuscript میں 47 in-text citations، 11 statistical expressions، اور 6 equation یا figure references ہوتے ہیں۔ اگر کوئی humanizer ان میں سے محض 10% بھی چھو دے تو ہر پیپر میں 6 سے 7 ایسی غلطیاں پیدا ہوں گی جنہیں submission سے پہلے دستی طور پر تلاش کر کے واپس درست کرنا لازم ہوگا۔

AI humanizers APA، MLA، اور IEEE citations کو کیسے توڑ دیتے ہیں؟

ہمارے ٹیسٹنگ میں، citation-blind humanizers ہر بار تین طریقوں سے ناکام ہوتے ہیں۔

Failure mode 1: in-text citations کو narrative form میں تبدیل کر دینا۔ اس آرٹیکل کے آغاز میں Nakamura والا کیس۔ "(Smith, 2024)" بدل کر "as Smith demonstrated in 2024" یا "Smith's 2024 study suggested" بن جاتا ہے۔ نئی نثر زیادہ قدرتی طور پر humanizer کے training distribution کے اندر فِٹ ہوتی ہے۔ نتیجتاً citation کی قسم بدل جاتی ہے (parenthetical سے narrative)، جس کے لیے عموماً زیادہ تر جرنلز کی ہدایات کے مطابق پورے پیراگراف یا سیکشن میں اسے مسلسل استعمال کرنا پڑتا ہے، اور اس سے authorial voice بھی تبدیل ہو جاتی ہے۔ ایڈیٹرز نوٹس کرتے ہیں۔

Failure mode 2: reference list reformatting۔ reference entry "Smith, J. (2024). The structure of Cell, 187(5), 945-961. Https://doi.org/10.1016/j.cell.2024.05.012" دوبارہ لکھی جاتی ہے مگر اس میں journal title سے italics ہٹا دیے جاتے ہیں، volume number کی emphasis ختم ہو جاتی ہے، DOI prefix بدل جاتا ہے، یا author initials اور year کے درمیان punctuation کو کسی دوسرے style کے مطابق normalize کر دیا جاتا ہے۔ تکنیکی طور پر reference اب بھی resolve ہو جاتی ہے، مگر یہ اب APA 7 template سے میچ نہیں کرتی۔ copy editors اسے پکڑ لیتے ہیں۔

Failure mode 3: protected content کے گرد “tortured phrases”۔ Cabanac Problematic Paper Screener نے اُن 19,000 سے زیادہ papers کو flag کیا ہے جن میں وہ synonym-substitution patterns موجود ہیں جو paraphrase-based humanizers پیدا کرتے ہیں۔ Joined Together States for United States. Bosom peril for breast cancer. Renal disappointment for kidney failure۔ ان “tortured” جملوں والی citations ہمارے ٹیسٹ ڈیٹا کے گرد رہتی ہیں، جس سے editor کے لیے اس citation پر اعتماد کرنا مشکل ہو جاتا ہے، چاہے citation خود بالکل intact ہی کیوں نہ بچ گئی ہو۔ Problematic Paper Screener (Cabanac, Labbe, and Magazinov) اب کئی پبلشرز استعمال کرتے ہیں تاکہ peer review سے پہلے editorial review کے لیے papers کو flag کیا جا سکے۔

یہ تینوں failures مل کر کام کرتے ہیں۔ ایک generic humanizer کے ذریعے واپس آنے والا پیپر narrative-rewritten in-text citations (mode 1) سے بھرپور ہوتا ہے، reformatted reference entries (mode 2) اور tortured surrounding prose (mode 3) بھی ساتھ ہوتی ہے۔ اور پھر اس سب کو واپس humanization سے پہلے والی حالت میں لانے کے لیے محقق کو 90 منٹ لگتے ہیں۔ آیا یہ سب کچھ کرنے کے قابل تھا یا نہیں، یہ اب بھی ایک کھلا سوال ہے۔

AI humanizer کے لیے citations محفوظ رکھنا مشکل کیوں ہے؟

زیادہ تر humanizers citations کو درست طریقے سے treat نہیں کرتے کیونکہ بنیادی language model نہیں جانتا کہ citation کیا ہوتی ہے۔ وہ اسے صرف tokens کی ایک عام سیریز کے طور پر treat کرتا ہے (یعنی "(Smith, 2024)")۔ اگر آپ اپنے tokenizer سے کہیں کہ "citations preserve" کرے، تو وہ… کچھ حد تک ایسا کر دے گا۔ مگر بنیادی ماڈل کو fluent prose پیدا کرنے کے لیے train کیا گیا ہے۔ جب ان دونوں مقاصد کے درمیان conflict ہو تو ماڈل عموماً fluent prose کو ترجیح دیتا ہے۔

اس مسئلے کو citation-aware humanizer سے حل کیا جا سکتا ہے۔ rewrite سے پہلے ہم ایک extraction phase چلاتے ہیں جس میں ہم citation spans، statistical expressions، equation labels، اور reference list entries کی شناخت کرتے ہیں، انہیں humanization pass کے دوران placeholders سے بدل دیتے ہیں، اور پھر بعد میں انہی original spans کو verbatim دوبارہ واپس داخل کر دیتے ہیں۔ اس طرح ہمارے ماڈل کو کبھی بھی ایسی citation نظر نہیں آئے گی جسے وہ rewrite کر سکتا ہو۔

یہ وہی architecture ہے جو ہمیں درست جواب حاصل کرنے میں مدد دیتا ہے جب machine translation میں جملے کے اندر کسی شخص کا نام، brand name، یا عدد ہو۔ humanization میں بھی یہی منطق لاگو ہوتی ہے: اگر ہم کسی چیز کو generative pass سے “محفوظ” کر دیں تو بہتر ہے کہ اس کے بجائے generative pass سے محتاط رہنے کی توقع کی جائے۔

جب یہ غلط ہو تو محققین پر چار نتیجے (consequences)

citation-blind humanizer کی قیمت محقق کے لیے چار شکلوں میں سامنے آتی ہے۔ ہم نے پچھلے 18 ماہ میں ہر ایک کو دیکھا ہے۔

Consequence 1: technical-screen rejection۔ کسی جرنل کی automated screening reformatted abstract citations اور reference list کے درمیان عدم مطابقت پکڑ لیتی ہے۔ پیپر peer review سے پہلے واپس مصنفین کو بھیج دیا جاتا ہے۔ بہترین صورت: دو ہفتوں کی تاخیر۔ بدترین صورت: یہ مسئلہ دیگر revisions کے ساتھ بڑھ جاتا ہے اور manuscript publishing window سے باہر ہو جاتی ہے۔

Consequence 2: reviewer میں fabrication کا شک۔ reviewer کو ایک in-text citation نظر آتی ہے جو reference list entry سے مختلف ہو، یا کوئی parenthetical citation متن کے حصے کے طور پر rewrite ہو گئی ہو۔ وہ فطری طور پر یہ سمجھتا ہے کہ مصنف نے source نہیں پڑھا۔ ہمارے جن manuscripts کا ہم audit کرتے ہیں، ان میں “major revisions” یا “reject” فیصلے تک پہنچنے کا یہ اب سب سے عام طریقہ بن چکا ہے۔

Consequence 3: tortured-phrase screener کی طرف سے integrity flag۔ citation کے گرد synonym substitution patterns کو Cabanac screener یا کسی پبلشر کے اندرونی ورژن کے ذریعے detect کر لیا جاتا ہے۔ پھر پیپر research integrity review کے لیے بھیجا جاتا ہے۔ underlying paper اچھا ہونے کے باوجود بھی یہ چند ہفتوں کی مزید تاخیر جوڑ دے گا۔ یہ مصنف کے نام پر اثر بھی چھوڑ سکتا ہے۔

Consequence 4: اشاعت کے بعد retraction۔ کم مگر غیر نظریاتی (not theoretical)۔ اشاعت کے بعد audit میں ایسے papers دیکھے گئے جہاں humanizers کی وجہ سے “tortured phrases” یا citation rewrites پیدا ہوئیں مگر editorial process میں پکڑی نہ جا سکیں، نتیجتاً retractions سامنے آئیں۔ آج تک، Problematic Paper Screener نے 1,000 سے زائد retractions میں مدد کی ہے، جن میں سے ایک حصہ humanizer-induced patterns سے متعلق ہے۔

توازن یک طرفہ ہے۔ fluent rewrite سے فائدہ کم ہے: یہ AI detection میں معمولی کمی لاتا ہے جو بہت سے کیسز میں بے ضرر ثابت ہوگی۔ citation breakage کے ساتھ جڑا نقصان زیادہ ہے: تاخیر، شک، integrity flag، یا بدترین صورت میں retraction۔ citation-aware humanizer نقصان سے بچاتا ہے جبکہ فائدہ برقرار رکھتا ہے۔

5 منٹ میں کسی بھی humanizer کو citation preservation کے لیے کیسے ٹیسٹ کریں

یہ وہ ٹیسٹ ہے جو ہم ہر نئے humanizer پر چلاتے ہیں جو مارکیٹ میں آتا ہے۔ اس میں پانچ منٹ لگتے ہیں اور آپ تقریباً کسی بھی ٹول کے free tier پر اسے مفت کر سکتے ہیں۔

Step 1. درج ذیل پیراگراف کو اپنے منتخب کردہ humanizer میں کاپی کریں۔ اس میں citations کے چار سب سے عام فارمیٹس اور ایک statistical expression شامل ہے۔

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.

Step 2. humanized output پڑھیں۔ چیک کریں کہ ان پانچوں میں سے ہر چیز برقرار رہی یا نہیں:

• parenthetical "(Smith, 2024)" بالکل ویسا کا ویسا.
• multi-author "(Jones & Lee, 2023; Patel et al., 2024, p. 47)" بالکل ویسا کا ویسا، یعنی ampersand، semicolon، اور page number سمیت.
• numbered reference "[12]" بالکل ویسا کا ویسا.
• statistical expression "n = 1,247, p < 0.01" بالکل ویسا کا ویسا.
• cross-reference "Reference 14" کو paraphrase کر کے "the fourteenth reference" یا اس جیسے کسی اور جملے میں تبدیل نہیں کیا گیا.

Step 3. اگر ان پانچ میں سے کوئی ایک چیز بھی تبدیل ہوئی ہے تو وہ humanizer اس مفہوم میں citation-aware نہیں ہے جو علمی تحریر کے لیے اہم ہے۔ اسے marketing copy پر استعمال کریں، manuscript پر نہیں۔

Step 4. ایک دوسرا پیراگراف چلائیں جس میں italics اور DOI کے ساتھ reference list entry موجود ہو:

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

چیک کریں کہ italics، ampersand، volume-issue فارمیٹ، اور DOI URL سب برقرار رہے ہیں یا نہیں۔ وہ humanizer جو in-text citations کو تو سنبھال لیتا ہے مگر reference entries کو نہیں، اسے صرف آدھا محفوظ کہا جا سکتا ہے۔ آپ کی manuscript کو مکمل ضمانت (full guarantee) چاہیے۔

Step 5. اپنی manuscript کے کسی پیراگراف پر آخری ٹیسٹ چلائیں۔ ایسے ٹولز جو مصنوعی input پر ٹھیک چلتے ہیں، زیادہ گھنے citation patterns والی حقیقی نثر پر fail ہو سکتے ہیں۔ deadline کے لیے کسی بھی humanizer پر بھروسہ کرنے سے پہلے اسے اپنے متن کے خلاف validate کیے بغیر استعمال نہ کریں۔

ہم اپنے own humanizer کو اسی ٹیسٹ کے ساتھ اپنی humanizer rankings page پر اور Phrasly vs Undetectable.ai کے اپنے comparison میں نامزد competitors کے مقابل بھی ٹیسٹ کرتے ہیں۔ ہمارے نمبرز ہر ٹول کے ساتھ اس لیے compare ہو جاتے ہیں کیونکہ دونوں پوسٹس اوپر بیان کی گئی اسی ٹیسٹ method کو استعمال کرتی ہیں۔ اگر آپ یہ دیکھنا چاہیں کہ paraphrasing tools (ایک مختلف category) citations محفوظ رکھنے کے اسی چیلنج کو ہینڈل کرنے میں کیسے perform کرتے ہیں تو paraphrasing پر ہماری وہ نوٹ دیکھیں جس میں preserves citations بیان ہے؛ یہ اسی architectural pattern کے paraphrasing پہلو کا احاطہ کرتی ہے۔

اکثر پوچھے جانے والے سوالات

Q: زیادہ تر AI humanizers علمی citations کو کیوں توڑ دیتے ہیں؟

وہ content marketers کے لیے ڈیزائن کیے گئے تھے، محققین کے لیے نہیں۔ Generic humanizers تمام tokens کو ممکنہ rewrite candidate سمجھتے ہیں، اس لیے in-text citations narrative text میں بدل دی جاتی ہیں، reference list entries سے italics ختم کر دیے جاتے ہیں اور ان کی punctuation کو کسی دوسرے انداز میں normalize کر دیا جاتا ہے، اور “tortured phrases” کے synonyms کو citation کے ارد گرد کلسٹر کر دیا جاتا ہے۔ یہ مسئلہ ایک citation-aware humanizer سے حل ہوتا ہے جو rewrite سے پہلے citations کو extract کرتا ہے اور بعد میں انہیں وہی واپس داخل کر دیتا ہے۔

Q: کیا citation-aware humanizer ہونا ہی کافی ہے کہ میرا paper undetectable بن جائے؟

citation preservation اور detection bypass دو مختلف مسائل ہیں۔ citation-aware humanizer کا مقصد citations کو محفوظ رکھنا ہے مگر ساتھ ہی وہی surface variations پیدا کرنا بھی ہے جنہیں detectors تلاش کرتے ہیں۔ جس حد تک aggressiveness کے ساتھ humanizer ارد گرد کے متن کو rewrite کرتا ہے، وہ detected citation کے اسکور کو متاثر کرتی ہے، مگر citations کو ہینڈل کرنے کی شرح (rate) پر اثر نہیں ڈالتی۔ زیادہ تر citation-aware humanizers detection bypass میں اچھا نتیجہ دیتے ہیں۔ جس ٹول کو آپ استعمال کر رہے ہیں اس کے benchmark detection scores (یہ شائع ہونے چاہئیں) اور citations کو ہینڈل کرنے کی شرح بھی دیکھیں۔

Q: کیا میں citations کو manual طور پر پہلے extract کر کے پھر humanize کر سکتا ہوں؟

جی ہاں، کچھ محققین ایسا کرتے ہیں۔ عمل یہ ہے: جس manuscript کی بات ہو اسے کسی دستاویز میں کاپی کریں اور ہر citation کو دستی طور پر placeholder سے بدل دیں ("[CITE_001]")، پھر humanize کریں، اور آخر میں original citations کو واپس insert کر دیں۔ یہ کم مقدار کے متن میں کام کرتا ہے۔ اگر پورا manuscript ہو تو دستی کام humanization کے مرحلے سے بھی زیادہ وقت لے سکتا ہے۔ humanize کرتے وقت placeholders گرانا (drop) بہت آسان ہے۔ اگر یہ کام چند منٹ سے زیادہ لے تو اسے کسی ٹول کے ذریعے automate کرنے پر غور کریں۔ 1,500 الفاظ سے زیادہ کسی بھی دستاویز میں اس طرح کے pipeline کو automate کرنے کے لیے ٹول استعمال کرنا فائدہ مند ہو سکتا ہے۔

Q: میں کیسے جانوں کہ کوئی humanizer واقعی citation-aware ہے یا صرف ایسا دعویٰ کرتا ہے؟

اوپر والے سیکشن میں بیان کردہ پانچ منٹ والا ٹیسٹ کریں۔ مخلوط APA، numbered، اور statistical citations پر مشتمل ایک پیراگراف کاپی کر کے اسے ٹول میں چلائیں۔ اگر تمام عناصر input کی طرح بالکل ویسے ہی نظر آئیں تو humanizer citation-aware ہے۔ اگر کسی بھی طرح کوئی چیز بدلتی ہے تو "citation-aware" لیبل محض مارکیٹنگ ہے۔ زیادہ تر وہ ٹولز جو اپنے marketing متن میں citation preservation کی صلاحیت کا دعویٰ کرتے ہیں، انہوں نے اصل میں pipeline کے extraction حصے کو نافذ نہیں کیا ہوتا؛ یہ ٹیسٹ چلانے سے آپ جان سکتے ہیں کہ کون واقعی کر رہا ہے۔

Q: کیا یہ میرے supervisor کو جمع کرائے جانے والے thesis chapters کے لیے بھی اہم ہے، یا صرف journal manuscripts کے لیے؟

یہ دونوں کے لیے اہم ہے، البتہ وجوہات مختلف ہیں۔ journal manuscripts میں inconsistent citations کے نتیجے میں technical-screen rejection ہو سکتی ہے۔ thesis chapters میں نتیجہ یہ ہوتا ہے کہ آپ کا supervisor یا committee citations میں drift دیکھتی ہے، اسے AI استعمال یا لاپرواہی کے ثبوت کے طور پر سمجھتی ہے، اور integrity پر تشویش اٹھاتی ہے یا آپ سے chapter دوبارہ بنانے کو کہتی ہے۔ یہ drift اتنا معمولی ہوتا ہے کہ لگتا ہے جیسے کوئی حادثہ ہوا ہو، مگر ایک احتیاط سے پڑھنے والے قاری کے لیے اتنا واضح بھی ہوتا ہے کہ محسوس ہو سکے۔ citation-aware humanizer دونوں سیاق و سباق میں failure mode ختم کر دیتا ہے۔