गढ़ित उद्धरण: जमा करने से पहले अपने पेपर का ऑडिट करें

जून 2023 में, न्यूयॉर्क के एक संघीय न्यायाधीश ने दो वकीलों पर ऐसी संक्षिप्तिका दाखिल करने के लिए दंड लगाया, जो कम से कम छह ऐसे न्यायालयी मामलों पर आधारित थी जो अस्तित्व में ही नहीं थे। Steven Schwartz ने ChatGPT से सहायक नज़ीरें मांगी थीं, उसे ऐसे मामले के नाम और उद्धृत तर्क मिले जो सभी विश्वसनीय लगते थे, और उसने स्वयं एक भी मामला खोले बिना संक्षिप्तिका दाखिल कर दी। न्यायाधीश P. Kevin Castel ने उस पर पांच हजार डॉलर का जुर्माना लगाया और हर वास्तविक न्यायाधीश को एक पत्र भेजने का आदेश दिया, जिनका नाम एक गढ़ी हुई राय से जोड़ा गया था।

एक संदर्भ सूची भी उसी स्थिति में पहुँच सकती है। इसका समाधान एक गढ़े हुए उद्धरण का ऑडिट है, जिसे आपकी अपनी संदर्भ सूची पर तब चलाया जाता है, जब कोई संपादक, पर्यवेक्षक या समीक्षक आपके लिए ऐसा करे। यह केवल चैटबॉट के साथ मसौदा तैयार करने से उत्पन्न समस्या नहीं है। ऐसा स्मरण किया हुआ उद्धरण जो कभी वास्तव में अस्तित्व में ही नहीं था, सहलेखक के शीर्षक की थोड़ी गलत प्रतिलिपि, या स्वीकृति के बाद अंतिम उद्धरण बदल जाने वाला प्रीप्रिंट, ये सभी संदर्भ सूची में उसी प्रकार की कमी छोड़ सकते हैं जैसी एक गढ़ा हुआ उद्धरण छोड़ता है। नीचे दिया गया ऑडिट इन सभी को पकड़ता है, चाहे कोई भी प्रविष्टि वहाँ कैसे भी पहुँची हो।

एक गढ़ा हुआ उद्धरण वास्तव में कितना सामान्य है?

इसकी सीमा बहुत हद तक इस पर निर्भर करती है कि मसौदा किस मॉडल ने तैयार किया। Walters and Wilder, Scientific Reports में 2023 में प्रकाशित, ने GPT-3.5 और GPT-4 द्वारा उत्पन्न संदर्भ सूचियों की वास्तविक अकादमिक लेखन संकेतों के विरुद्ध जाँच की: AI-जनित 84 संदर्भ सूचियों से ली गई 636 उद्धृतियाँ, प्रत्येक मॉडल के लिए 42। GPT-3.5 की 55 प्रतिशत उद्धृतियाँ पूरी तरह गढ़ी हुई थीं, जबकि GPT-4 के लिए यह 18 प्रतिशत था। यहाँ तक कि वास्तविक उद्धृतियाँ भी आवश्यक रूप से त्रुटिरहित नहीं थीं: GPT-3.5 की 43 प्रतिशत वास्तविक उद्धृतियों और GPT-4 की 24 प्रतिशत में भी लेखक, शीर्षक, वर्ष या प्रकाशन-स्थल में कहीं न कहीं एक महत्वपूर्ण त्रुटि बनी हुई थी।

AI-जनित उद्धरणों पर कानूनी शोध में इससे भी अधिक विफलता दर दिखाई देती है, लेकिन वह कार्य एक भिन्न विफलता को मापता है, गढ़े हुए case holdings को, न कि मनगढ़ंत bibliographic references को, इसलिए उस आँकड़े को शैक्षणिक संदर्भ में सीधे नहीं लिया जाना चाहिए। दोनों क्षेत्रों में जो बात समान है, वह मूल कारण है, एक ऐसा model जो विश्वसनीय लगने वाला citation उत्पन्न करता है, वह इस बात के लिए अनुकूलन कर रहा है कि citation सामान्यतः कैसा दिखता है, न कि इस बात के लिए कि क्या वह वास्तव में मौजूद है। TextPulse का क्या ChatGPT references गढ़ता है वाला अपना लेख विशेष रूप से उसी chatbot पर केंद्रित है, यह audit इस बात से स्वतंत्र रूप से काम करता है कि आपके सामने मौजूद प्रविष्टि किस tool ने, या किस co-author की स्मृति ने, तैयार की है।

2026 के साहित्य-स्तरीय audits ने क्या पाया

ये model-स्तरीय दरें बताती हैं कि chatbot से क्या निकलता है। एक अलग प्रश्न, और वह जो journal में submission देने वाले किसी भी व्यक्ति के लिए महत्वपूर्ण है, यह है कि draft और published paper के बीच हर जाँच में एक गढ़ा हुआ reference कितनी बार बच निकलता है। मई 2026 में एक-दूसरे के एक दिन के भीतर जारी दो audits ने साहित्य के स्तर पर इसका उत्तर दिया, और उत्तर यह है कि यह विफलता अब दुर्लभ नहीं रही है।

The Lancet में प्रकाशित एक audit ने PubMed Central Open Access पर लगभग 2.5 million जैव-चिकित्सीय papers में references की जाँच की, जिसमें January 2023 से February 2026 तक की अवधि शामिल थी। कई thousand references ऐसे कार्य की ओर संकेत कर रहे थे जो अस्तित्व में नहीं है, और यह 2,800 से अधिक प्रकाशित papers में फैला हुआ था। कुल संख्या से अधिक महत्वपूर्ण प्रवृत्ति है।

अवधि	कम से कम एक गढ़े हुए reference वाले papers	प्रति 10,000 papers
2023	1 in 2,828	3.5
2025	1 in 458	21.8
2026, पहले सात सप्ताह	1 in 277	36.1

यह लगभग 3 वर्षों में दस गुना वृद्धि है, और 2026 का आंकड़ा पूरे वर्ष के बजाय 7 सप्ताह से लिया गया है, इसलिए यह एक प्रारंभिक आकलन है, न कि एक स्थापित वार्षिक दर। यह जो स्थापित करता है, वह यह है कि गढ़े गए संदर्भ सहकर्मी-समीक्षित माध्यमों में छप रहे हैं, और रास्ते में लेखकों, सह-लेखकों, संपादकों और समीक्षकों से होकर गुजर चुके हैं।

सहायक अध्ययन, Zhao और सहकर्मियों का गैर-मौजूद उद्धरणों पर अध्ययन, ने दायरा बढ़ाकर arXiv, bioRxiv, SSRN और PubMed Central में 111 million संदर्भों तक किया और केवल 2025 के लिए 146,932 भ्रमजन्य उद्धरणों की एक सतर्क न्यूनतम सीमा निर्धारित की। इसका अधिक उपयोगी निष्कर्ष मात्रा के बजाय वितरण से संबंधित है, गढ़े गए संदर्भ उन क्षेत्रों में सघन हैं जहाँ AI का अपनाना तेज है, और छोटे तथा प्रारंभिक-करियर लेखक समूहों में भी। यदि आप एकल लेखक हैं या एक छोटा समूह हैं जिसके पास अपनी ग्रंथसूची की जाँच करने वाला कोई शोध कार्यालय नहीं है, तो आप उस समूह में हैं जहाँ यह सबसे अधिक गलत होता है, और यह स्वयं ऑडिट चलाने के पक्ष में तर्क है, यह मान लेने के बजाय कि नीचे की किसी कड़ी पर कोई और यह करेगा।

कौन से मॉडल सबसे अधिक गढ़ते हैं, और वास्तव में क्या इसे कम करता है

ईमानदार उत्तर यह है कि कोई कठोर सार्वजनिक बेंचमार्क आज के प्रमुख मॉडलों की citation fabrication के संदर्भ में एक-दूसरे से सीधी तुलना नहीं करता। छोटे अनौपचारिक तुलनात्मक परीक्षण प्रचलित हैं, आम तौर पर कुछ दर्जन संदर्भों को दो या तीन chatbots से हाथ से गुज़ारा जाता है, और नमूने इतने पतले होते हैं कि उनके आधार पर उनके बीच कोई रैंकिंग नहीं बनाई जा सकती। उनमें से किसी एक को लीग तालिका मान लेना ही वह तरीका है जिससे एक आत्मविश्वासी और गलत दावा किसी शोधपत्र में प्रवेश कर जाता है।

जो बात टिकती है, वह ऊपर दिए गए Walters और Wilder के आँकड़ों में पीढ़ीगत तुलना है, जहाँ नए मॉडल ने पुराने की तुलना में लगभग एक-तिहाई बार गढ़ा।

परीक्षित मॉडल	पूरी तरह गढ़े गए उद्धरण	वास्तविक उद्धरण जिनमें फिर भी एक महत्वपूर्ण त्रुटि थी
GPT-3.5	55%	43%
GPT-4	18%	24%

साहित्य में तीन पैटर्न बार-बार दिखाई देते हैं और किसी एकल रैंकिंग से अधिक महत्वपूर्ण हैं। बड़े मॉडल छोटे मॉडलों की तुलना में कम गढ़ते हैं। जो मॉडल वास्तव में स्रोतों को खोज और पुनः प्राप्त कर सकते हैं, वे केवल अपने पैरामीटरों से उत्तर देने वाले मॉडलों की तुलना में काफी कम गढ़ते हैं, और यही अब तक मापा गया सबसे बड़ा प्रभाव है। और अस्पष्ट स्रोत, प्रसिद्ध स्रोतों की तुलना में कहीं अधिक जोखिमपूर्ण होते हैं, क्योंकि अत्यधिक उद्धृत कोई पेपर प्रशिक्षण डेटा में इतनी बार दिखाई देता है कि उसे सही ढंग से पुनरुत्पादित किया जा सके, जबकि किसी विशिष्ट क्षेत्र का स्रोत अधिक संभावना से अंशों से पुनर्निर्मित किया जाता है।

व्यावहारिक निष्कर्ष यह है कि कोई भी मॉडल जांच को छोड़ने के लिए पर्याप्त सुरक्षित नहीं है, और जिन प्रविष्टियों के गलत होने की सबसे अधिक संभावना है, वे ठीक वही हैं जिन्हें आप स्मृति से सत्यापित करने में सबसे कम सक्षम हैं, विशेषज्ञ उद्धरण, अस्पष्ट सम्मेलन पेपर, वह स्रोत जिसे आपने सबसे अंत में जोड़ा था।

एक स्वचालित जांच क्या पकड़ती है, और कहाँ रुकती है

सूची को पहले किसी चेकर से चलाना, चालीस DOI को हाथ से सुलझाने की तुलना में तेज़ है, और इस साइट का मुफ़्त AI Citation Checker Crossref, OpenAlex और Semantic Scholar के विरुद्ध ठीक यही करता है। इस प्रकार के उपकरण क्या खराब ढंग से करते हैं, यह जानना उपयोगी है, इससे पहले कि आप किसी एक पर भरोसा करें।

2026 में hallucinated-citation detectors के पाँच मूल्यांकनों में से एक, Badalova and Mayr, ने पाया कि वे उपयोगी प्रारंभिक चेतावनियाँ देते हैं, लेकिन चार बातों से सीमित रहते हैं, किसी दस्तावेज़ से संदर्भों को साफ़-सुथरे ढंग से निकालना, प्रविष्टि के भीतर अधूरी metadata, डेटाबेस कवरेज में असमानता, और ऐसे रजिस्ट्रियाँ जो एक-दूसरे से असहमत होती हैं। इनमें से केवल पहली समस्या तब समाप्त होती है जब आप PDF अपलोड करने के बजाय सूची चिपकाते हैं।

आपके अपने ऑडिट के लिए इसका परिणाम व्याख्या के बारे में एक नियम है। एक चेकर उस निष्कर्ष पर सबसे मजबूत होता है जो सबसे अधिक महत्वपूर्ण होता है, एक DOI जो प्रविष्टि के दावे से भिन्न पेपर पर resolve होता है, जो लगभग निर्णायक है। यह पुस्तकों, अध्यायों, शोध-प्रबंधों, कार्यवाही, बहुत हाल के कार्य और गैर-अंग्रेज़ी मंचों पर सबसे कमजोर होता है, जिनमें से सभी हर जगह बहुत कम सूचकांकित होते हैं और नियमित रूप से न मिलने के रूप में लौटते हैं, जबकि वे पूरी तरह वास्तविक होते हैं। न मिलने का अर्थ है हाथ से जाँच करने का संकेत, कभी भी अंतिम निर्णय नहीं। नीचे दिए गए मैनुअल चरण वही हैं जिन्हें आप उस किसी भी चीज़ पर लागू करते हैं जिसे स्वचालित जाँच सुलझा नहीं सकी।

जमा करने से पहले हर DOI को resolve करें

एक DOI, एक Digital Object Identifier, को doi.org resolver के माध्यम से ठीक एक रिकॉर्ड पर resolve होना चाहिए। अपनी संदर्भ सूची से DOI को resolver में जोड़ें, और एक काम करने वाला DOI उस सटीक लेख के लिए प्रकाशक के पृष्ठ पर ले जाता है। एक DOI जो असंबद्ध लेख, पूरी तरह से भिन्न पत्रिका, या बिल्कुल कुछ भी नहीं पर resolve होता है, उपलब्ध सबसे तेज़ hallucination जाँचों में से एक है, क्योंकि कोई मॉडल जब कोई citation गढ़ता है, तो आमतौर पर उसके साथ एक विश्वसनीय दिखने वाली DOI string भी गढ़ता है, बजाय इसके कि वह किसी वास्तविक DOI का पुनः उपयोग करे।

जो DOI सही ढंग से resolve होता है, वह citation के वास्तविक होने का स्वतः प्रमाण नहीं है। कुछ गढ़े गए संदर्भ किसी असंबद्ध paper के वास्तविक DOI को उधार लेते हैं, जो बिना त्रुटि के resolve हो जाता है और एक वास्तविक लेख की ओर संकेत करता है जिसका उस दावे से कोई संबंध नहीं होता जिसे वह कथित रूप से समर्थन दे रहा है। केवल इस बात को नहीं, कि वह खुल गया, बल्कि उस पृष्ठ को पढ़ें जिस पर DOI ले जाता है।

हर title को एक वास्तविक database से मिलाएँ

शीर्षक को ठीक उसी रूप में, उद्धरण चिह्नों में, अपने क्षेत्र को कवर करने वाले किसी डेटाबेस में खोजें, खुले वेब में नहीं। Crossref, जैव-चिकित्सीय कार्य के लिए PubMed, या अपने अनुशासन के अपने सूचकांक जैसा कुछ उपयोग करें। यदि आप Crossref का उपयोग कर रहे हैं, तो आप उनकी निःशुल्क guest search का उपयोग करके शीर्षक और प्रथम लेखक के आधार पर, या यदि आपको शीर्षक के बारे में निश्चितता नहीं है, तो लेखक और पृष्ठ संख्या के आधार पर संदर्भ खोज सकते हैं। इससे उनके अभिलेख में उपलब्ध किसी भी प्रविष्टि के लिए DOI और पूर्ण मेटाडेटा मिल जाएगा। यदि कोई मिलान नहीं मिलता, या जो वापस आता है वह एक वास्तविक पेपर है लेकिन पूरी तरह भिन्न लेखकों के साथ, तो आप दूसरे प्रकार की hallucination देख रहे हो सकते हैं, एक टूटा हुआ DOI।

शीर्षक खोज एक विशिष्ट विफलता को पकड़ती है जिसे DOI जाँच नहीं पकड़ती, एक ऐसा संदर्भ जिसमें सही, वास्तविक DOI गलत शीर्षक से जुड़ा होता है, क्योंकि संख्या और पाठ को अलग-अलग जोड़ा गया था और वास्तव में कभी एक-दूसरे के विरुद्ध जाँचा ही नहीं गया। यदि डेटाबेस का शीर्षक आपकी संदर्भ सूची के शीर्षक से निकटता से मेल नहीं खाता, तो उसे तब तक गढ़ंत मानें जब तक आप असंगति की व्याख्या न कर सकें, न कि ऐसी टाइपो जिसे चुपचाप ठीक कर दिया जाए।

लेखक सूची और प्रकाशन वर्ष का पुनः सत्यापन करें

एक hallucinated संदर्भ अक्सर लेखक को सही और पेपर को गलत पकड़ता है, क्योंकि क्षेत्र में कोई वास्तविक, प्रमुख नाम ठीक वही है जो एक संभावित संदर्भ की ओर बढ़ता हुआ मॉडल उत्पन्न करेगा। जिस डेटाबेस को आपने पहले ही खोला हुआ है, उस पर लेखक की अपनी प्रकाशन सूची में उस वर्ष को खोजें जिसका दावा आपकी संदर्भ सूची करती है। यदि उस लेखक ने उस वर्ष तीन पेपर प्रकाशित किए और उनमें से कोई भी आपके शीर्षक से मेल नहीं खाता, तो संदर्भ बहुत संभव है कि गढ़ा गया हो, एक वास्तविक नाम और एक वास्तविक वर्ष से बनाया गया हो जो वास्तव में कभी साथ नहीं आए।

विपरीत पैटर्न भी दिखाई देता है, एक वास्तविक पेपर, सही शीर्षक के साथ, लेकिन गलत वर्ष से जुड़ा हुआ, सामान्यतः preprint के वर्ष से, न कि अंतिम प्रकाशन के वर्ष से, या किसी conference संस्करण को journal के बाद के प्रकाशन वर्ष के साथ उद्धृत किया गया हो। इनमें से कोई भी audit के सख्त अर्थ में गढ़ंत नहीं है, लेकिन दोनों ही पाठक को citation manager या सहलेखक के पास भेजते हैं, जो फिर आपके उद्धृत स्रोत को नहीं ढूँढ पाता, और यह लगभग उसी समस्या के बराबर है कि उसी चरण में इसे ठीक किया जाए।

एक संभावित लेकिन गढ़े हुए journal नाम को पहचानें

एक गढ़ा हुआ जर्नल नाम इस तरह बनाया जाता है कि वह बिल्कुल किसी वास्तविक नाम जैसा लगे: एक संभाव्य क्षेत्र, एक संभाव्य विशेषण, ऐसा नाम जो किसी वास्तविक जर्नल के इतना निकट हो कि कोई उसे जाँचने के लिए रुक ही न जाए। "The Journal of Applied Cognitive Studies" गढ़ा हुआ है, "The Journal of Applied Psychology" और "Journal of Cognitive Science" दोनों मौजूद हैं, और इन दोनों के अंशों को जोड़कर बनाया गया नाम ठीक इसी कारण परिचित-सा लगता है।

जर्नल नाम को अकेले, उद्धरण चिह्नों में, खोजें, और किसी अन्य साइट पर उसी संदर्भ को उद्धृत करने वाले परिणाम के बजाय प्रकाशक के अपने जर्नल पृष्ठ और एक वर्तमान ISSN को देखें। एक वास्तविक जर्नल का एक होमपेज होता है जिसमें संपादक, वर्तमान खंड और अंक, तथा उसके नाम पर पंजीकृत वैध ISSN सूचीबद्ध होता है। जिस नाम के लिए कोई प्रकाशक पृष्ठ नहीं है, कोई ISSN नहीं है, और उससे किसी अन्य लेख का उद्धरण भी नहीं मिलता, वह पूरे ऑडिट में इस बात का सबसे स्पष्ट संकेत है कि संदर्भ अस्तित्व में नहीं है।

अपनी भ्रमजनित उद्धरण ऑडिट को एक दोहराने योग्य चेकलिस्ट में बदलें

सूची को अंतिम माना जाने से पहले, हर संदर्भ पर, इन जाँचों को इसी क्रम में चलाएँ। क्रम का महत्व सभी चार को कवर करने से कम है, एक उद्धरण एक जाँच में पास हो सकता है और फिर भी दूसरी में असफल हो सकता है।

जाँच	यह किसे पकड़ती है
DOI resolution	ऐसा DOI जो कहीं नहीं पहुँचता, या किसी असंबद्ध लेख तक ले जाता है
Title-to-database match	गलत शीर्षक से जुड़ा वास्तविक DOI, या ऐसा शीर्षक जो बिल्कुल कोई परिणाम न दे
Author-plus-year cross-check	किसी वास्तविक लेखक का नाम ऐसे लेख से जुड़ा होना जिसे उन्होंने उस वर्ष लिखा ही नहीं था
Journal name verification	ऐसा नाम जो सुनने में जर्नल जैसा लगे, लेकिन जिसका कोई ISSN न हो, कोई प्रकाशक पृष्ठ न हो, और वास्तविक अस्तित्व न हो

TextPulse का AI citation checker इस जाँच का एक संस्करण पूरी संदर्भ-सूची पर स्वचालित रूप से चलाता है, लंबी ग्रंथसूची में चारों जाँचों को हाथ से एक-एक करके करने की तुलना में तेज़, हालांकि यह जो कुछ चिह्नित करता है उसे पढ़कर देखना फिर भी स्वयं करना उचित है, बजाय किसी चिह्न को बिना जाँच के स्वीकार या अस्वीकार करने के। DOI चरण के लिए विशेष रूप से, एक समर्पित DOI से Citation Converter प्रत्येक प्रविष्टि के लिए resolver तक अलग-अलग जाने की आवश्यकता बचाता है।

एक स्वच्छ ग्रंथसूची उन कई जाँचों में से एक है जो पांडुलिपि भेजने से पहले की जाती हैं। जर्नल सबमिशन के लिए AI score कम करना को अलग से कवर किया गया है, और उसके बाद आने वाले reviewers को response letter को भी अलग से।

यह सब आपकी अपनी पांडुलिपि को जमा करने से पहले एक बार फिर पढ़ने का स्थान नहीं लेता। यदि तथ्य जाँच के बाद भी कोई खंड सामान्य-सा पढ़ा जाता है, तो एक AI humanizer किसी एक भी citation को छुए बिना गद्य को सुचारु कर सकता है; TextPulse की academic writing में AI text को humanize करने की guide इस प्रक्रिया को खंड दर खंड कवर करती है। जो संदर्भ-सूची ठीक से resolve होती है और जो पांडुलिपि आपकी अपनी आवाज़ में पढ़ी जाती है, वे दो अलग जाँचें हैं, और एक को दूसरे का स्थान देने के बजाय दोनों को क्रम से चलाना उचित है।