\"Tortured Phrases\": Why Bad Paraphrasers Get Papers Retracted

Vào năm 2021, một nhóm liêm chính nghiên cứu có trụ sở tại Toulouse đã công bố danh sách các cụm từ đã xuất hiện trong các bài báo về khoa học máy tính và những cụm từ đó không hoàn toàn có ý nghĩa. "Ý thức giả tạo." "Haze đang tìm kiếm." "Học sâu." "Sự tôn trọng bất thường." "Nguy hiểm đến ngực." Mỗi thuật ngữ đều là phiên bản thay thế từ điển đồng nghĩa của một thuật ngữ kỹ thuật thực sự - trí tuệ nhân tạo, điện toán đám mây, học sâu, giá trị ngẫu nhiên, ung thư vú. Các bài viết sử dụng chúng đã vượt qua quá trình kiểm tra đạo văn nhưng không có độc giả nào chú ý đến.

Nhóm đã đặt tên cho những từ thay thế này: những cụm từ bị tra tấn. Bài báo ban đầu đã truy tìm chúng bằng các công cụ diễn giải - cả những công cụ thủ công được các nhà máy giấy sử dụng để tránh bị phát hiện đạo văn và những công cụ tự động mà một số nhà nghiên cứu đang sử dụng cho công việc của riêng họ. Phát hiện này đã gây ra một làn sóng rút lại tiếp tục kéo dài đến năm 2026. Tính đến số liệu mới nhất, hơn 1.400 bài báo được xuất bản đã bị rút lại hoặc bị gắn cờ vì ô nhiễm cụm từ tra tấn, tập trung nhiều nhất vào các lĩnh vực kỹ thuật, khoa học máy tính và y sinh.

Hướng dẫn này giải thích các cụm từ bị tra tấn là gì, chúng được tạo ra như thế nào, tại sao chúng kết thúc sự nghiệp và rút lại bài báo, các công cụ mà các tạp chí hiện sử dụng để phát hiện chúng và cách đảm bảo quy trình diễn giải của riêng bạn không tạo ra chúng.

What tortured phrases are

Cụm từ bị tra tấn là một thuật ngữ kỹ thuật được công nhận đã được thay thế bằng một thuật ngữ tương đương được thay thế bằng từ đồng nghĩa - thường là một thuật ngữ còn nguyên vẹn về mặt ngữ pháp nhưng vô nghĩa về mặt ngữ nghĩa đối với bất kỳ ai trong lĩnh vực này. Việc chuyển đổi thường diễn ra từng từ một mà không quan tâm đến việc liệu cụm từ kết quả có phải là điều mà một chuyên gia về miền sẽ nói hay không.

Một ví dụ kinh điển từ nghiên cứu ban đầu năm 2021: trong một bài báo về "đất rừng không đều" (rừng ngẫu nhiên), các tác giả đã thảo luận về "độ chính xác cao" của mô hình nhưng không nhận thấy rằng họ cũng đã viết về "cây ranh giới" (cây quyết định) và "thu thập được quản lý" (học tập có giám sát). Nội dung kỹ thuật của bài báo, theo một nghĩa nào đó, là nghiên cứu thực sự - nhưng văn xuôi đã được xử lý bằng một công cụ không biết bất kỳ thuật ngữ nào trong số này có nghĩa là gì.

A typology of how they appear:

Thay thế một thuật ngữ. Các thuật ngữ kỹ thuật phổ biến được thay thế bằng từ đồng nghĩa của chúng. “Trí tuệ nhân tạo” trở thành “ý thức giả” hay “sức mạnh trí tuệ giả tạo”. "Điện toán đám mây" trở thành "xử lý khói mù" hoặc "xử lý hơi". “Dữ liệu lớn” trở thành “thông tin khổng lồ” hay “dữ liệu khổng lồ”.

Thay thế cụm từ thành ngữ. Đặt cụm từ trong trường được thay thế. “Hiện đại” trở thành “điều kiện của tay nghề”. “Tốt nhất trong lớp” trở thành “lý tưởng trong lớp”. "Thời gian thực" trở thành "liên tục" hoặc "thời gian không đổi".

Xử lý sai từ viết tắt. Từ viết tắt được thay thế như thể chúng là từ. "MRI" trở thành "chụp ảnh cộng hưởng hấp dẫn". "RNA" trở thành "ăn mòn ribonucleic." "JavaScript" bị phân mảnh thành "nội dung Java".

Thay thế theo tên miền cụ thể. Các thuật ngữ theo trường cụ thể được thay thế bằng từ đồng nghĩa từ một tên miền khác. “Ung thư vú” trở thành “nguy hiểm ở ngực”. "Tế bào năng lượng mặt trời" trở thành "tế bào dựa trên năng lượng mặt trời". "Đau tim" trở thành "suy tim mạch" (điều này thực sự đúng, nhưng trong bối cảnh "đau tim" là thuật ngữ tiêu chuẩn hiện trường).

Cấu trúc ngữ pháp của câu thường tồn tại. Nội dung ngữ nghĩa bị phá hủy. Người đánh giá lướt qua có thể bỏ lỡ chúng; một người đánh giá có chuyên môn về tên miền sẽ thông báo ngay lập tức.

How they happen

Các cụm từ bị tra tấn đến từ một số nguồn khác nhau.

Các nhà máy giấy sử dụng các công cụ thay thế từ đồng nghĩa. Đây là mối lo ngại ban đầu đã thúc đẩy nghiên cứu năm 2021. Các nhà máy sản xuất giấy tạo ra các bài báo gian lận trên quy mô lớn, thường bằng cách diễn giải các bài báo có thật hiện có và bán các bài báo "mới" thu được cho các nhà nghiên cứu mua quyền tác giả. Để tránh bị phát hiện đạo văn, họ chạy nguồn thông qua việc thay thế mạnh mẽ từ đồng nghĩa. Đầu ra đã vượt qua quá trình kiểm tra đạo văn (không có chuỗi khớp chính xác) và không vượt qua quá trình quét của bất kỳ chuyên gia tên miền nào (thuật ngữ kỹ thuật sai).

Các nhà nghiên cứu sử dụng các công cụ diễn giải trực tuyến miễn phí mà không kiểm tra. Đây là nguồn hiện đại phổ biến hơn. Một người không nói tiếng Anh bản xứ, một sinh viên đang phải chịu áp lực về thời hạn nộp bài hoặc bất kỳ ai đang cố gắng giảm số từ sẽ chạy văn bản của họ thông qua một công cụ diễn giải miễn phí. Công cụ thay thế các từ đồng nghĩa trên toàn bộ tài liệu. Tác giả không đọc kỹ vì văn xuôi vẫn đọc theo đúng ngữ pháp - và gửi một bài báo với thuật ngữ chuyên ngành hiện đã sai xuyên suốt.

LLM có cấu hình nhắc nhở bất thường. Các mô hình ngôn ngữ hiện đại như ChatGPT và Claude thường không tạo ra các cụm từ khó hiểu khi được yêu cầu diễn giải vì chúng hiểu ngữ cảnh. Nhưng một số kiểu nhắc nhở nhất định vẫn có thể kích hoạt các hành vi thay thế ở cấp độ từ. Việc yêu cầu người mẫu "viết lại phần này đa dạng hơn" hoặc "sử dụng các từ đồng nghĩa xuyên suốt" đôi khi tạo ra kết quả là cụm từ khó hiểu, đặc biệt là về nội dung kỹ thuật mà người mẫu ít hiểu rõ hơn.

Quy trình dịch thuật thông qua các ngôn ngữ trung gian. Dịch một bài báo từ tiếng Anh sang tiếng Nga sang tiếng Trung trở lại tiếng Anh (hoặc bất kỳ chuỗi tương tự nào) có thể tạo ra các mẫu cụm từ khó hiểu vì mỗi bước dịch sẽ thay thế các từ tương đương ở cấp độ từ không được kết hợp lại thành thuật ngữ kỹ thuật ban đầu.

Theo kinh nghiệm giúp đỡ các nhà nghiên cứu của chúng tôi, nguồn thứ hai - các nhà nghiên cứu vô tội sử dụng những cách diễn giải tồi - là nguyên nhân phổ biến nhất dẫn đến các cụm từ bị tra tấn trong các bài báo không lừa đảo. Tác giả không cố lừa dối; họ đang cố gắng cải thiện tiếng Anh hoặc rút ngắn một phần. Công cụ này phá hủy thuật ngữ của họ mà không cho họ biết.

Why they get papers retracted

Các cụm từ bị tra tấn hiện được coi là bằng chứng về sự liên quan đến nhà máy giấy hoặc việc sử dụng AI không được tiết lộ, cả hai đều kích hoạt quá trình rút lại ở hầu hết các tạp chí.

Lý do đã cứng rắn hơn trong hai năm qua. Năm hoặc sáu năm trước, một bài báo có cách diễn đạt lạ có thể đã được sửa chữa - người biên tập sẽ yêu cầu tác giả sửa thuật ngữ và xuất bản lại. Ngày nay, cách diễn đạt tương tự được coi như trọng điểm cho các vấn đề mang tính hệ thống. Ngay cả khi nghiên cứu cơ bản là hợp lý, sự hiện diện của các cụm từ bị tra tấn cho thấy tác giả đã mua bài báo, sử dụng một công cụ diễn giải tích cực để tránh bị phát hiện đạo văn hoặc không đọc lại tác phẩm của chính họ theo tiêu chuẩn có thể xuất bản. Không ai trong số này là những lời giải thích tốt.

Các tạp chí cụ thể đã làm rõ chính sách này. IEEE, ACM, Elsevier và Springer đều đã cập nhật hướng dẫn biên tập vào năm 2024-2025 để coi các cụm từ mang tính tra tấn là căn cứ để rút lại mà không yêu cầu bằng chứng về ý định. Bản cập nhật chính sách biên tập Wiley năm 2026 đã bổ sung thêm rằng "các cụm từ bị tra tấn được phát hiện sau khi xuất bản sẽ bị rút lại trừ khi tác giả có thể chứng minh các thay thế là kết quả của quá trình biên dịch hoặc biên tập tài liệu chứ không phải do sự tham gia của nhà máy giấy."

Việc rút lại cũng làm tổn hại đến danh tiếng của tác giả theo những cách phức tạp hơn. Các bài viết bị rút lại vẫn được lưu giữ trong hồ sơ của tác giả. Cơ quan tài trợ kiểm tra. Ủy ban tìm kiếm kiểm tra. Các đồng tác giả không chịu trách nhiệm về cách diễn đạt sẽ được gắn thẻ khi rút lại. Những cụm từ bị tra tấn là một trong số ít các vấn đề biên tập có thể kết thúc sự nghiệp học thuật về mặt chức năng, đặc biệt là đối với các nhà nghiên cứu mới bắt đầu sự nghiệp.

How journals are catching them now

The detection ecosystem has matured.

Trình sàng lọc giấy có vấn đề. Được phát triển bởi cùng nhóm đã đặt ra thuật ngữ này, trình sàng lọc là một công cụ trực tuyến miễn phí giúp tìm kiếm PubMed và các cơ sở dữ liệu khác để tìm các cụm từ bị tra tấn đã biết. Nó được các biên tập viên, người đánh giá ngang hàng và nhóm liêm chính tại các tạp chí sử dụng để quét các bài nộp và bài báo đã xuất bản. Công cụ này duy trì một danh sách các cụm từ được cập nhật thường xuyên — hiện có hơn 5.000 — và gắn cờ bất kỳ bài viết nào có chứa chúng.

Quét bài xã luận trước khi bình duyệt. Một số nhà xuất bản lớn (IEEE, Elsevier, Springer) đã tích hợp tính năng quét cụm từ tra tấn vào quy trình gửi bài của họ. Bài nộp được quét khi tiếp nhận. Các bài viết có lượt truy cập thường được trả lại cho tác giả kèm theo yêu cầu giải thích trước khi bắt đầu bình duyệt.

Giám sát sau xuất bản. Các công cụ như Trình sàng lọc bài viết có vấn đề cũng quét các bài báo đã được xuất bản. Lượt truy cập kích hoạt cuộc điều tra bởi nhóm liêm chính nghiên cứu của nhà xuất bản. Cuộc điều tra có thể dẫn đến việc bày tỏ quan ngại, sửa chữa hoặc rút lại tùy thuộc vào những gì được phát hiện.

Nhận thức của người đánh giá. Những người đánh giá ngang hàng ngày càng được đào tạo để phát hiện các cụm từ khó hiểu trong lĩnh vực của họ. Hướng dẫn dành cho người đánh giá từ các tạp chí lớn hiện bao gồm rõ ràng "quét tìm các thuật ngữ kỹ thuật bất thường có thể chỉ ra hư hỏng của công cụ diễn giải".

Nếu bài báo của bạn sắp bị rút lại vì những cụm từ bị tra tấn, bạn thường sẽ phát hiện ra trong vòng 6-18 tháng kể từ khi xuất bản - thường là sau khi bài báo đã được người khác trích dẫn, điều này sẽ gây ra thiệt hại khi những trích dẫn đó cần được theo dõi và thông báo.

How to avoid producing them yourself

Một số thói quen ngăn chặn những cụm từ bị tra tấn trong công việc của bạn.

Không dán toàn bộ phương pháp hoặc phần kết quả của bạn vào một diễn giải chung chung miễn phí. Đây là hành động có rủi ro cao nhất. Các trình diễn giải miễn phí được tối ưu hóa để đạt được "tính duy nhất" (tức là tránh bị phát hiện đạo văn) thường sử dụng tính năng thay thế đồng nghĩa mạnh mẽ. Họ không có khái niệm về thuật ngữ kỹ thuật nào là tiêu chuẩn hiện trường và thuật ngữ nào có thể thay thế cho nhau. Đầu ra sẽ có những cụm từ tra tấn trong nội dung kỹ thuật.

Nếu bạn phải diễn giải văn bản kỹ thuật, hãy sử dụng công cụ diễn giải học thuật có nhận biết trích dẫn. Các công cụ như công cụ diễn giải của chúng tôi được đào tạo để duy trì thuật ngữ và định dạng trích dẫn dành riêng cho từng môn học. Các thuật ngữ tiêu chuẩn hiện trường — “học sâu”, “rừng ngẫu nhiên”, “ung thư vú”, “mô hình phương trình cấu trúc” — được giữ nguyên trong quá trình viết lại. Chỉ có văn xuôi xung quanh thay đổi.

Đọc từng phần được diễn giải trước khi gửi. Cụ thể, hãy quét bất kỳ thuật ngữ kỹ thuật nào có vẻ lạ hoặc bạn không viết. Nếu bạn thấy "ý thức giả" nơi bạn thường viết "trí tuệ nhân tạo", thì đó là một cụm từ bị tra tấn mà công cụ này đã giới thiệu. Khôi phục thuật ngữ ban đầu. Việc ghép nối quá trình đọc qua với việc chuyển qua các thay đổi được theo dõi AI proofreader giúp phát hiện các thay thế dễ dàng hơn vì mỗi chỉnh sửa xuất hiện dưới dạng một thay đổi riêng biệt mà bạn có thể từ chối.

Kiểm tra văn bản đã dịch dựa trên nguồn. Nếu bạn đã dịch một bài viết thông qua bất kỳ quy trình AI nào, hãy quét phiên bản tiếng Anh để tìm bất kỳ thuật ngữ kỹ thuật nào không khớp với những gì bạn viết bằng tiếng Anh phù hợp với lĩnh vực bản địa của bạn. Đường ống dịch thuật là nguồn phổ biến của các cụm từ bị tra tấn, đặc biệt là đối với các chuỗi từ tiếng Anh sang tiếng Nga sang tiếng Anh được sử dụng để tránh đạo văn.

Sử dụng Bộ lọc bài có vấn đề trước khi nộp. Hoàn toàn miễn phí. Mất khoảng 30 giây. Nó đánh dấu bất kỳ cụm từ bị tra tấn nào đã biết trong bản thảo của bạn. Nếu bạn đã từng sử dụng công cụ diễn giải thì việc kiểm tra này đáng được thực hiện như bước cuối cùng trước khi gửi.

Đừng tin tưởng "điểm duy nhất" làm đại diện cho chất lượng. Các công cụ hứa hẹn điểm "độc đáo" hoặc "độ duy nhất" cao thường đạt được những điểm đó thông qua việc thay thế từ đồng nghĩa tạo ra các cụm từ khó hiểu. Phát hiện đạo văn và viết tốt không giống nhau. Một bài đánh giá tài liệu được trích dẫn tốt với thuật ngữ tiêu chuẩn theo lĩnh vực có thể có điểm tương đồng vừa phải vì các thuật ngữ tiêu chuẩn theo lĩnh vực được chia sẻ trên các bài báo - và điều đó không sao cả.

Diễn giải ngữ nghĩa và thay thế từ đồng nghĩa

Sự khác biệt bảo vệ tác phẩm của bạn là sự khác biệt giữa hai cách tiếp cận cơ bản khác nhau để diễn giải.

Thay thế từ đồng nghĩa là công việc mà hầu hết các công cụ diễn giải miễn phí đều làm. Công cụ này lấy một câu, tra cứu các từ đồng nghĩa từng từ và thay thế chúng. “Mạng nơ-ron đạt độ chính xác cao” có thể trở thành “Khung nơ-ron đạt độ chính xác cao”. Đôi khi đầu ra có thể chấp nhận được; thường nó tạo ra những cụm từ bị tra tấn. Công cụ này không hiểu điều gì tạo nên một cụm từ đúng về mặt kỹ thuật trong lĩnh vực của bạn.

Diễn giải ngữ nghĩa là điều mà những người diễn giải học thuật giỏi thường làm. Công cụ này hiểu ý nghĩa của câu và viết lại nó trong khi vẫn giữ nguyên các thuật ngữ kỹ thuật theo tiêu chuẩn hiện trường. "Mạng thần kinh đạt được độ chính xác cao" có thể trở thành "Mạng thần kinh của chúng tôi đạt độ chính xác cao trên điểm chuẩn". Thuật ngữ này được giữ nguyên vì công cụ này nhận dạng "mạng nơ-ron" là thuật ngữ tiêu chuẩn theo trường, không phải là cụm từ được đồng nghĩa.

Sự khác biệt là về cấu trúc, không phải về mặt thẩm mỹ. Một công cụ được xây dựng dựa trên diễn giải ngữ nghĩa sẽ bảo tồn "ung thư vú" vì nó nhận ra bối cảnh lĩnh vực y tế. Một công cụ thay thế từ đồng nghĩa sẽ thay thế nó bằng "nguy hiểm ngực" vì ở cấp độ từ, "nguy hiểm" và "nguy hiểm" là những từ đồng nghĩa trong từ điển của "vú" và "ung thư".

Bạn thường có thể biết công cụ diễn giải sử dụng phương pháp tiếp cận nào bằng cách kiểm tra nó trên một đoạn văn có nhiều thuật ngữ kỹ thuật. Dán phần phương pháp vào công cụ. Đọc đầu ra. Nếu các thuật ngữ kỹ thuật còn tồn tại (học sâu, rừng ngẫu nhiên, mô hình phương trình cấu trúc, ung thư vú), thì công cụ này đang sử dụng diễn giải ngữ nghĩa. Nếu bạn thấy các cụm từ mới (học sâu, đất rừng không đều, chứng minh tình trạng cơ bản, nguy hiểm ở ngực), thì công cụ này đang sử dụng tính năng thay thế từ đồng nghĩa và không nên sử dụng cho nội dung học thuật. Để biết thêm về những điều cần tìm kiếm ở một công cụ diễn giải cấp học thuật, hãy xem phần so sánh của chúng tôi về các công cụ diễn giải giúp duy trì trích dẫn.

See the Full Paraphrasing Tool

Citation-aware academic paraphrasing that preserves technical terminology. Free tier includes every feature.

Frequently asked questions

Q: Làm cách nào để biết bài viết của tôi có chứa các cụm từ thô tục hay không trước khi gửi?

Chạy nó thông qua Trình sàng lọc giấy có vấn đề (miễn phí tại trang dự án Cabanac và cộng sự). Công cụ này kiểm tra bản thảo của bạn dựa trên danh sách hơn 5.000 cụm từ bị tra tấn đã biết. Lượt truy cập được gắn cờ với cụm từ đã sửa. Bạn cũng có thể tìm kiếm thủ công bất kỳ thuật ngữ kỹ thuật nào không khớp với từ vựng thông thường trong lĩnh vực này trong bài viết của mình. Nếu bạn đã sử dụng một công cụ diễn giải miễn phí trên bản thảo thì những phần có rủi ro cao nhất thường là phương pháp và kết quả, trong đó thuật ngữ kỹ thuật dày đặc nhất.

Q: Tôi nên làm gì nếu phát hiện bài viết đã nộp của mình có những cụm từ mang tính chất tra tấn?

Hãy liên hệ ngay với người biên tập trước khi kết thúc quá trình đánh giá ngang hàng. Giải thích điều gì đã xảy ra (bạn đã sử dụng công cụ diễn giải để giới thiệu các từ thay thế). Cung cấp bản thảo đã sửa. Các biên tập viên thường coi việc tiết lộ chủ động rất khác với việc khám phá sau này. Hầu hết sẽ chấp nhận gửi lại đã được sửa chữa nếu bạn hành động trước khi vấn đề được phát hiện một cách độc lập. Nếu bài báo đã được xuất bản, hãy liên hệ với văn phòng liêm chính nghiên cứu của tạp chí để yêu cầu chỉnh sửa. Bạn hành động càng sớm thì khả năng rút lại chính thức càng thấp.

Hỏi: Các LLM như ChatGPT và Claude có an toàn để sử dụng cho việc diễn giải không?

LLM hiện đại nhìn chung tốt hơn nhiều so với các trình diễn giải miễn phí chuyên dụng trong việc bảo tồn thuật ngữ kỹ thuật vì chúng hiểu ngữ cảnh. Tuy nhiên, họ không tránh khỏi những cụm từ bị tra tấn. Các kiểu gợi ý cụ thể ("sử dụng từ đồng nghĩa", "viết lại cho đa dạng", "làm cho nó độc đáo hơn") có thể kích hoạt các hành vi thay thế ở cấp độ từ. Nếu bạn sử dụng LLM để diễn giải, hãy nhắc nó "bảo toàn tất cả thuật ngữ kỹ thuật và định dạng trích dẫn" một cách rõ ràng và luôn xác minh kết quả đầu ra dựa trên nguồn của bạn. Đối với việc diễn giải có giá trị cao trên một bản thảo có thể xuất bản, một trình diễn giải mang tính học thuật có khả năng trích dẫn sẽ an toàn hơn một lời nhắc LLM chung chung.

Q: Làm thế nào để Công cụ sàng lọc giấy có vấn đề luôn được cập nhật?

Nhóm đứng sau dự án này (do Guillaume Cabanac tại Đại học Toulouse dẫn dắt) duy trì một danh sách mở các cụm từ được thu thập từ phân tích pháp y đối với các bài báo đã bị rút lại và bị gắn cờ. Cộng đồng đóng góp các phát hiện mới. Khi các nhà máy tạo bài viết cải tiến các mẫu thay thế, các cụm từ mới lại được bổ sung. Hiện danh sách đã vượt quá 5.000 mục và tăng trưởng theo từng tháng. Nếu bạn phát hiện một cụm từ gượng ép trong lĩnh vực của mình mà chưa có trong danh sách, bạn có thể đóng góp nó — công cụ sàng lọc sẽ trở nên hữu ích hơn khi cộng đồng bổ sung các thuật ngữ đặc thù theo từng lĩnh vực.