Comprobador gratuito de citas de IA Detecte citas alucinadas antes del envío

Una cita alucinada es una referencia a un artículo que nunca se publicó, producida por un modelo que generó texto con forma de cita sin consultar nada. Es difícil de detectar leyendo, porque cada parte parece correcta. Pegue una lista de referencias y cada entrada se resuelve frente a Crossref, OpenAlex y Semantic Scholar, los registros que contienen lo que los editores y los indexadores depositaron realmente. Cada entrada recibe un veredicto simple, el registro real cuando existe, y una cita corregida lista para copiar en siete estilos.

Coincide conLogotipo de la base de datos de metadatos académicos de CrossrefLogotipo del motor de búsqueda académico Semantic Scholary otras bases de datos académicas abiertas de confianza
1. Pegue su lista de referencias, una entrada por línea. 2. Compruebe las referencias. 3. Revise cada veredicto y copie las entradas corregidas. Hasta 100 por ejecución.
Comprobado con Crossref, OpenAlex y Semantic ScholarDivide automáticamente una bibliografía pegada en entradas individuales
Investigador académico que usa TextPulse.aiInvestigador académico que usa TextPulse.aiInvestigador académico que usa TextPulse.aiInvestigador académico que usa TextPulse.aiInvestigador académico que usa TextPulse.aiInvestigador académico que usa TextPulse.ai

84,000+

Investigadores internacionales

4.9

Valoración media

Con la confianza de investigadores que publican en

Elsevier logoSpringer Nature logoWiley logoIEEE logoTaylor & Francis logoSAGE Publishing logoCambridge University Press logoOxford University Press logoMDPI logo

Cómo comprobar una lista de referencias para detectar citas alucinadas

01

Añada su lista de referencias

Una entrada por línea, una lista numerada o una bibliografía completa pegada se analizan igual, y las líneas continuadas y sangrías francesas se gestionan automáticamente.

02

Cada entrada se resuelve frente a registros

Un DOI, cuando existe, se resuelve primero. Todo lo demás se coteja por título, autor y año en Crossref, OpenAlex y Semantic Scholar.

03

Lea lo que realmente dice cada registro

Cada entrada devuelve una etiqueta, con el registro real mostrado cuando existe y una cita corregida lista en el estilo que necesite.

Cómo verifica esta herramienta una lista de referencias

Basado en registros de repositorios

Cada veredicto remite a una entrada real en Crossref, OpenAlex o Semantic Scholar, los índices gestionados por la comunidad sobre los que se construye la búsqueda académica.

Ajustado a cómo fallan las referencias de IA

Una referencia fabricada suele fallar de una forma concreta: formato impecable sobre datos que no se sostienen. La herramienta está diseñada para detectar ese patrón, sobre todo un DOI real asignado al artículo equivocado.

DOI realmente resueltos

Cada DOI se sigue hasta el registro al que apunta. Cuando ese registro describe un artículo distinto del que afirma la entrada, la herramienta le muestra exactamente qué identifica realmente el DOI.

Una cita corregida a petición

Una vez confirmado un registro, se reformatea en una referencia limpia en APA, MLA, Chicago, Harvard, IEEE o Vancouver, con cursivas que se conservan al pegar en Word o Google Docs.

Qué puede confirmar una comprobación de citas alucinadas, y qué no

Una cita hace una afirmación sobre el mundo exterior: que una persona concreta escribió un artículo concreto, publicado en un lugar concreto, en un año concreto. Un modelo de lenguaje que produce esa cita no ha comprobado nada de ello. Ha generado texto con forma de referencia, porque así es como aparecen las referencias en sus datos de entrenamiento, y el texto puede resultar totalmente exacto, totalmente inventado o una mezcla de varias fuentes reales unidas en una sola entrada que no describe nada publicado nunca, una invención que nuestro análisis de referencias generadas por IA encontró que se concentra casi por completo en listas completas de referencias, donde se exige el detalle bibliográfico completo.

Resolver la afirmación significa ir al registro en sí, en lugar de leer la cita con más cuidado. Un DOI es un puntero mantenido por Crossref, la agencia con la que los editores depositan metadatos directamente, y seguir ese puntero devuelve el título real, la lista de autores y la revista a él asociados, sean cuales sean los que resulten ser. Semantic Scholar y OpenAlex extienden la misma comprobación a las entradas que no llevan DOI en absoluto, haciendo coincidir por título, autor y año con registros elaborados a partir de millones de fuentes de editoriales y repositorios.

Una entrada verificada se ha comprobado frente al registro depositado por el propio editor, una confirmación tan sólida como puede ofrecer una consulta automatizada. Una entrada que los registros no pueden encontrar se informa como no encontrada y se deja ahí, porque la cobertura limitada de libros, tesis, preprints y sedes no anglófonas en los registros es habitual por sí sola y dice poco sobre la autenticidad. Un registro que contradice activamente la entrada, la revista equivocada, el año equivocado, el autor equivocado, es la evidencia más fuerte de fabricación, y el verificador distingue entre ambos resultados en lugar de fusionarlos.

Confirmar que una fuente existe es una tarea más acotada que confirmar lo que dice, el auditoría que merece la pena ejecutar antes de la entrega, y este verificador solo hace la primera. Formatear un registro confirmado en una referencia limpia toma el mismo motor que el generador de citas, y citar una conversación de IA en sí misma, una tarea separada de comprobar una, se gestiona con el generador de citas de IA. Una vez que la lista de referencias queda resuelta, el humanizador TextPulse se encarga del estilo del texto que la rodea.

¿Qué tan común es una cita alucinada?

Lo bastante común como para medirse a escala de toda la literatura, y en aumento. Dos auditorías publicadas con un día de diferencia en mayo de 2026 cuantificaron el fenómeno por primera vez, y ambas encontraron la misma dirección de evolución.

Artículos que contienen al menos una referencia fabricada

Por cada 10,000 artículos, PubMed Central Open Access, enero de 2023 a febrero de 2026

Tasa de artículos que contienen al menos una referencia fabricada, por año
PeríodoTasaPor cada 10,000 artículos
20231 de cada 2,8283.5
20251 de cada 45821.8
2026, primeras siete semanas1 de cada 27736.1

El gráfico se basa en una auditoría publicada en The Lancet, que examinó referencias en aproximadamente 2.5 millones de artículos biomédicos en PubMed Central Open Access. De las referencias que pudo evaluar, varios miles apuntaban a trabajos que no existen, distribuidos en más de 2,800 artículos publicados. La tasa se triplicó aproximadamente entre 2023 y 2025, y luego volvió a aumentar en las primeras semanas de 2026.

Un estudio complementario, Zhao y colegas sobre citas inexistentes, amplió el alcance a 111 millones de referencias en arXiv, bioRxiv, SSRN y PubMed Central, y estableció un mínimo conservador de 146,932 citas alucinadas solo en 2025. Su hallazgo sobre quiénes se ven afectados es el más útil para un investigador en activo: las referencias fabricadas se concentran en campos con rápida adopción de IA y entre equipos de autores pequeños o de carrera temprana, es decir, entre personas con el menor apoyo institucional para detectarlas.

Por qué una referencia fabricada es difícil de detectar al leer

Una cita alucinada no es una cita malformada. Se genera mediante el mismo proceso que escribe prosa fluida, de modo que llega con todas las partes que tiene una cita real: autores plausibles que publican en ese campo, un título que encaja con el argumento al que se vincula, una revista real, un volumen y un rango de páginas con la forma correcta, y un DOI en formato válido. Nada en la página la delata como incorrecta.

El fallo más común es aún más sutil. En lugar de inventar un artículo por completo, un modelo mezcla fragmentos de varios reales en una sola entrada que no corresponde a ninguno de ellos: este autor, ese título, el DOI de un tercer artículo. Leer con más cuidado no puede separarlo de una referencia genuina, porque cada componente individual es real. Solo resolver la entrada frente al registro puede.

Qué puede y qué no puede hacer un verificador de citas

Una evaluación de 2026 de cinco detectores de citas alucinadas, Badalova and Mayr, concluyó que estas herramientas ofrecen advertencias tempranas útiles, pero siguen teniendo limitaciones, y señaló cuatro límites que se aplican a todo verificador de esta categoría, incluido este.

  • Extracción de referencias. Sacar entradas limpias de un documento es un problema por sí mismo. Este verificador toma una lista pegada y la divide en los límites de cada entrada, y no hace análisis de PDF, lo que elimina ese fallo a cambio de pedirle que pegue la lista.
  • Metadatos incompletos. Una entrada sin DOI, sin año o con un título truncado ofrece a un registro poca información para hacer coincidir, y una coincidencia tenue se informa como una sola y nunca se eleva a un veredicto.
  • Cobertura de la base de datos. Los libros, capítulos, tesis, actas de congresos, trabajos muy recientes y publicaciones en otros idiomas están escasamente indexados en todas partes. Por eso una entrada no encontrada se informa como no encontrada y no como fabricada: ambas son conclusiones distintas y solo una de ellas es evidencia.
  • Resultados inconsistentes. Los registros no coinciden entre sí. Comprobar frente a Crossref, OpenAlex y Semantic Scholar en conjunto, en lugar de frente a cualquiera de ellos por separado, es lo que lo acota, y una discrepancia se pone de manifiesto en lugar de resolverse en silencio.

La consecuencia práctica merece decirse con claridad. Un verificador de este tipo es más fuerte en aquello que más importa, detectar un DOI que se resuelve en un artículo distinto del que la entrada afirma, y es más débil en el material que los registros abiertos no conservan. Es un primer filtro que encuentra las entradas que merecen su atención; no es un certificado de exención para una bibliografía.

Quién comprueba referencias con esta herramienta

Autores que usan redacción asistida por IA

Cada referencia que proporcionó un chatbot se comprueba frente a registros reales antes de que un profesor o revisor haga la misma comprobación.

Estudiantes con una fecha límite de entrega

Una revisión de la bibliografía antes de la fecha límite, con cualquier entrada no coincidente corregida en una cita ajustada al estilo requerido.

Docentes e investigadores de posgrado

La integridad de las referencias confirmada antes del envío, incluido el patrón de discrepancia del DOI, antes de que un editor o revisor lo detecte primero.

Editores y docentes que revisan envíos

Una lista de referencias enviada, comprobada frente a registros reales en minutos, con veredictos diseñados para informar y nunca para acusar.

Preguntas frecuentes sobre el comprobador de citas de IA

¿Más preguntas? Consulte las preguntas frecuentes completas

Las fuentes son correctas.
Las frases que las rodean todavía necesitan humanización.

El humanizador de TextPulse reescribe la redacción y el ritmo del resto del manuscrito mientras cada cita confirmada permanece intacta, con cada cambio mostrado como una edición controlada que usted aprueba línea por línea.