Ngưỡng số từ tối thiểu của bộ phát hiện AI: Turnitin, GPTZero và các công cụ khác cần bao nhiêu từ

Ngưỡng số từ tối thiểu của bộ phát hiện AI phụ thuộc vào công cụ. Một số công cụ, như Turnitin, cần ít nhất 300 từ văn xuôi đủ điều kiện, nhưng những công cụ khác, như ZeroGPT, khuyến nghị viết ít nhất 150 đến 200 từ để tạo ra một kết quả nhất quán. Dù bộ phát hiện của bạn có hiển thị hay không khi dưới vài trăm từ, kết quả của bạn kém tin cậy hơn.

Một số công cụ vẫn cung cấp tỷ lệ phần trăm cho từng đoạn, và điểm số thường kém chính xác hơn đối với văn bản ngắn. Các nhà nghiên cứu tại TextPulse Research đã kiểm tra điều này với 25,561 cặp văn bản học thuật do con người viết và các bản viết lại bằng AI của chúng. Ở mức 300 từ, họ đã tinh chỉnh một bộ phân loại để phát hiện 95% các bản viết lại bằng AI. Nó cũng gắn cờ 33.9% văn bản do con người viết. Ở mức 25 từ, nó gắn cờ 67.6%.

AI detection cần bao nhiêu từ?

AI detection cần vài trăm từ để đáng tin cậy, tức là cho ra một kết quả ổn định. Độ tin cậy giảm nhanh nhất khi xuống dưới khoảng 100 từ. Phần lớn độ tin cậy đã được xác lập trong nghiên cứu của TextPulse ở khoảng 150 từ. Sau đó, độ chính xác tăng chậm hơn, từ 84.0% ở 150 từ lên 86.8% ở 300 từ.

Các nghiên cứu khác cũng chỉ ra những ngưỡng tương tự. Một khảo sát năm 2025 trên Journal of Artificial Intelligence Research, được trích dẫn trong bài báo của TextPulse, tổng hợp các số liệu đã được báo cáo cho đến nay. Các bộ phân loại thống kê và được tinh chỉnh cần cỡ 100 từ để hoạt động chính xác. Một số bộ phát hiện tiêu chuẩn cần khoảng 120 từ để đạt hiệu năng đầy đủ, và việc phát hiện các mô hình mạnh nhất cần khoảng 200 từ.

Khi một bộ phát hiện thấy nhiều token hơn, tức là các mảnh từ mà một mô hình ngôn ngữ làm việc với, việc phân biệt văn bản của con người với văn bản AI trở nên dễ hơn. Khi một bộ phát hiện chỉ thấy vài token trong một câu trả lời ngắn, không có nhiều bằng chứng cho bất kỳ kết luận nào. Perplexity, burstiness, và các thước đo khác liên quan được giải thích trong hướng dẫn về cách AI detectors hoạt động.

Ngưỡng số từ tối thiểu của bộ phát hiện AI theo công cụ: Turnitin, GPTZero và các công cụ khác

Mỗi nhà cung cấp đặt ra ngưỡng tối thiểu hoặc hướng dẫn riêng, và họ không phải lúc nào cũng dùng cùng một đơn vị. Turnitin đếm số từ của văn xuôi đủ điều kiện. Các nhà cung cấp khác khuyến nghị một độ dài hoặc mô tả cách độ chính xác thay đổi khi văn bản dài hơn.

Detector	Nhà cung cấp nêu gì về độ dài văn bản
Turnitin	Tối thiểu 300 từ văn xuôi đủ điều kiện trước khi một AI score được tạo ra, tăng từ mức tối thiểu trước đó là 150 từ vì độ chính xác tăng khi có nhiều văn bản hơn
GPTZero	Độ chính xác cải thiện khi nộp nhiều văn bản hơn. Toàn bộ tài liệu được phân loại chính xác hơn so với các đoạn văn, và các đoạn văn chính xác hơn so với các câu đơn lẻ
ZeroGPT	Khuyến nghị tối thiểu 150 đến 200 từ để có kết quả ổn định, với 500 đến 1.000 từ hoặc hơn giúp tăng thêm độ tin cậy. Các đoạn trích rất ngắn hoặc đã được chỉnh sửa nhiều "carry fewer signals"
Pangram	Hoạt động tốt nhất trên văn bản dài hơn được viết bằng các câu hoàn chỉnh. Công ty khuyên không nên sàng lọc các danh sách gạch đầu dòng ngắn hoặc văn bản có tính công thức cao
Sapling	Các số liệu phát hiện và dương tính giả đã công bố của nó áp dụng cho các văn bản dài hơn. Các văn bản ngắn hơn "may have different accuracy rates"

Đây là ngưỡng tối thiểu mà hầu hết sinh viên gặp phải, vì Turnitin là bộ phát hiện tích hợp sẵn trong nền tảng học tập của nhiều trường đại học. Không có score nào được đưa ra dưới 300 từ văn xuôi đủ điều kiện trong báo cáo viết bằng AI. Phần chấm điểm bên dưới ngưỡng này và dấu hoa thị mà Turnitin hiển thị cho các score dưới 20% được trình bày trong hướng dẫn về cách Turnitin phát hiện AI.

Một tỷ lệ phần trăm hiển thị trên màn hình không có nghĩa là văn bản đã đáp ứng độ dài được công cụ khuyến nghị, vì nhiều bộ kiểm tra dành cho người dùng phổ thông sẽ chấm điểm một đoạn văn đơn lẻ. Năm 2023, bộ phân loại văn bản AI của OpenAI cần tối thiểu 1.000 ký tự đầu vào. OpenAI cho biết nó rất không đáng tin cậy đối với các văn bản ngắn và đã gỡ bỏ nó sáu tháng sau đó vì tỷ lệ chính xác thấp.

Độ chính xác của bộ phát hiện AI theo độ dài văn bản: nghiên cứu của TextPulse cho thấy gì

Bài báo nghiên cứu của TextPulse về độ dài văn bản và độ tin cậy của phát hiện AI xem xét riêng độ dài, tách khỏi mọi đặc điểm khác của văn bản. Bộ dữ liệu bao gồm 25,561 cặp văn bản, trong đó cả văn bản do con người viết và bản viết lại bằng AI của nó đều dài ít nhất 300 từ. Mỗi văn bản được cắt xuống còn 25, 50, 100, 150, 200, 250 và 300 từ. Với mỗi độ dài từ, bộ phân loại được huấn luyện và kiểm thử.

Các văn bản giống nhau xuất hiện ở mọi độ dài, tức là chủ đề, ngành học và mô hình AI được giữ nguyên. Các bản viết lại đến từ tám tổ hợp mô hình AI khác nhau trên sáu họ mô hình. Bộ phân loại đánh giá 45 đặc trưng phong cách, chẳng hạn như độ dài từ và mức độ đa dạng của từ vựng. Đây là một công cụ nghiên cứu, bài báo không đưa ra bất kỳ khẳng định nào về cách các bộ phát hiện thương mại có thể sử dụng các đặc trưng hoặc ngưỡng này. Xem hướng dẫn về việc các bộ phát hiện AI có chính xác hay không để biết các thử nghiệm đối với công cụ thương mại.

Độ dài văn bản	Độ chính xác	Văn bản do con người viết bị gắn nhầm khi 95% bản viết lại bằng AI được phát hiện	Bản viết lại bằng AI được phát hiện khi 1% văn bản do con người viết bị gắn nhầm
25 words	73.9%	67.6%	17.2%
50 words	78.2%	58.8%	28.0%
100 words	82.3%	49.4%	40.5%
150 words	84.0%	44.1%	47.9%
200 words	85.2%	40.1%	50.5%
250 words	86.1%	36.7%	54.2%
300 words	86.8%	33.9%	56.5%
Toàn văn	88.4%	28.6%	60.6%

Đối với phát hiện AI, độ chính xác của văn bản ngắn kém hơn ở mọi cột của bảng, và cột độ chính xác làm giảm mức độ tổn thất. Một kết luận có thể sử dụng được cần một điểm số gần một trong hai đầu của thang đo, và các văn bản ngắn hơn kéo cả điểm số của con người lẫn AI về phía giữa. Khi ngưỡng được đặt để bắt 95% các bản viết lại bằng AI, bộ phân loại gắn nhãn sai khoảng một nửa số văn bản của con người ở 100 từ. Khi ngưỡng được đặt để chỉ gắn nhãn 1% văn bản của con người, nó phát hiện 17.2% các bản viết lại bằng AI ở 25 từ.

AUC, thước đo chính của bài báo về mức độ bộ phân loại tách hai nhóm, tăng từ 0.817 ở 25 từ lên 0.940 ở 300 từ. Trên toàn bộ văn bản, với độ dài trung bình 466 từ ở phía con người, nó đạt 0.950. Phần dốc nhất của mức tăng đó xuất hiện dưới 100 từ, và mỗi bước vượt quá 150 từ chỉ làm tăng ít hơn.

Tại sao dương tính giả trên văn bản ngắn tăng lên

Một bộ phát hiện được xây dựng trên các tài liệu dài có tỷ lệ dương tính giả cao hơn nhiều đối với các văn bản ngắn. Bài báo trình bày một bộ phân loại được huấn luyện trên các văn bản đầy đủ độ dài và được dùng ở ngưỡng mặc định để phân loại các văn bản ngắn. Tỷ lệ dương tính giả của hệ thống đối với các văn bản của con người dao động từ 16.1% ở 300 từ đến 39.1% ở 100 từ và 69.8% ở 25 từ.

Khả năng phát hiện các bản viết lại bằng AI của nó hầu như không thay đổi trong cùng khoảng này, từ 88.4% ở 300 từ đến 92.4% ở 25 từ. Các lỗi bổ sung là các nhãn sai trên văn bản do con người viết. Bài báo mô tả bộ phân loại trên các đầu vào ngắn là có thiên lệch một cách có hệ thống theo hướng gọi chúng là AI.

Nguyên nhân là cơ học. Tỷ lệ loại từ trên số từ, tức phần chia của các từ khác nhau trong một văn bản, tăng lên khi văn bản ngắn hơn, vì một mẫu ngắn có ít cơ hội lặp lại một từ hơn. Các văn bản của con người trong nghiên cứu có tỷ lệ trung bình là 0.47 ở độ dài đầy đủ và 0.87 ở 25 từ. Các bản viết lại bằng AI ở độ dài đầy đủ có tỷ lệ trung bình là 0.55.

Bộ phân loại này, được huấn luyện trên các văn bản đầy đủ, sẽ học rằng một tỷ lệ khoảng 0.55 phân tách văn bản do AI và văn bản do con người viết. Mỗi văn bản 25 từ, bất kể ai viết, đều cao hơn rõ rệt so với tỷ lệ này và bị đẩy về phía AI. Bài báo chỉ ra rằng một bộ phát hiện đã được triển khai không được huấn luyện lại mỗi khi bạn thay đổi độ dài đầu vào. Hướng dẫn về tỷ lệ dương tính giả đã công bố của Turnitin trình bày con số đó bao gồm những gì và loại trừ những gì.

Tại sao văn bản ngắn khó phân loại

Văn bản ngắn cung cấp cho bộ phát hiện ít hơn ở mọi đại lượng mà nó đo lường. Ít từ hơn nghĩa là ít token hơn để so sánh, và ít câu hơn nghĩa là ít nhịp điệu hơn để đo. Trong nghiên cứu, một văn bản 25 từ trung bình có 1.6 câu, một văn bản 50 từ có 2.7 câu, và một văn bản 300 từ có 13.4 câu.

Sự biến thiên độ dài câu, thường được gọi là burstiness, phụ thuộc vào việc so sánh các câu với nhau. Trong nghiên cứu, nó phân tách văn bản của con người và AI ở mức 0.71 độ lệch chuẩn trên toàn văn bản và 0.31 ở 100 từ. Ở 50 từ, sự khác biệt gần như bằng không. Một bộ phát hiện dựa vào burstiness cần vài câu để đo lường nó một cách đáng tin cậy.

Nhiều hơn của sức mạnh này được giữ lại ở cấp độ từ. Độ dài từ trung bình và tỷ lệ từ dài giữ lại khoảng hai phần ba sức mạnh phân tách của chúng ở 25 từ. Nhưng cũng có sự gia tăng chồng lấn, ở 50 từ, điểm số của cả hai nhóm có xu hướng tập trung về phía trung tâm. Một tỷ lệ lớn của mỗi nhóm rơi vào vùng chồng lấn.

Cách diễn đạt được trích dẫn hoặc theo khuôn mẫu cũng có trọng số lớn hơn trong một văn bản ngắn. Một câu trả lời 50 từ có khoảng ba câu, vì vậy mỗi câu chiếm xấp xỉ một phần ba những gì bộ phát hiện quan sát được. Một định nghĩa được trích dẫn trong một trong các câu đó có trọng số lớn hơn nhiều so với cùng câu đó trong một bài luận 2,000 từ.

Bài đăng thảo luận, tóm tắt, bài thi trả lời ngắn và thư xin việc

Bài đăng trên bảng thảo luận

Một bài đăng được viết theo yêu cầu 200 từ nằm dưới ngưỡng 300 từ của Turnitin, vì vậy Turnitin không đưa ra AI score cho nó. Các công cụ khác vẫn có thể chấm điểm nó. Ở mức 200 từ, bộ phân loại trong nghiên cứu đã gắn nhãn sai 40.1% văn bản do con người viết khi được đặt để phát hiện 95% bản viết lại bằng AI, so với 28.6% trên các văn bản đầy đủ.

Tóm tắt

Một tóm tắt bài báo dài 250 từ gần sát ngưỡng tối thiểu, và các tóm tắt là kiểu viết dày đặc, trang trọng. Một nghiên cứu trước đây của TextPulse cho thấy rằng những văn bản do con người viết nhưng bị bộ phân loại phân loại sai là những văn bản trang trọng nhất. Bài viết về độ dài bổ sung độ dài văn bản như một nguyên nhân thứ hai, tách biệt, của các cảnh báo sai, và một tóm tắt ngắn, trang trọng phải chịu cả hai. Nếu một tóm tắt bị đặt câu hỏi, việc kiểm tra toàn bộ bài viết sẽ cung cấp cho bộ phát hiện độ dài mà nhà cung cấp của nó khuyến nghị.

Bài thi trả lời ngắn

Các câu trả lời dài 50 đến 100 từ nằm trong khoảng mà các con số của nghiên cứu giảm nhanh nhất. Ở 50 từ, một bộ phân loại được đặt để phát hiện 95% các bản viết lại bằng AI đã gắn nhãn sai 58.8% các văn bản do con người viết. Bài báo kết luận rằng dưới 50 từ, không có ngưỡng thực tiễn nào cho kết quả hữu dụng. Bài báo cũng bổ sung rằng việc từ chối đưa ra kết luận về một văn bản ngắn đáng tin cậy hơn là chấm điểm nó.

Thư xin việc

Một thư xin việc dài một trang cho một công việc hoặc một bài nộp cho tạp chí chỉ dài vài trăm từ, và phần lớn nội dung của nó theo các cách diễn đạt cố định. Pangram khuyên không nên sàng lọc văn bản có tính công thức cao. Nếu một thư xin việc được kiểm tra, hãy xem bất kỳ điểm số nào như một ước lượng với sai số rộng.

Phải làm gì khi văn bản của bạn dưới ngưỡng tối thiểu

Hãy giữ nguyên văn bản như bạn đã viết, và thay vào đó hãy cung cấp bối cảnh cho điểm số. Các bước này áp dụng cho người viết và cho người đang xem xét một điểm số.

1. Đừng thêm chữ cho đủ độ dài. Việc thêm từ để đạt ngưỡng tối thiểu sẽ làm thay đổi bài viết mà bạn được yêu cầu viết, và khi đó điểm số sẽ mô tả phiên bản đã được thêm chữ.
2. Hãy kiểm tra toàn bộ tài liệu khi có thể. Một bài luận hoặc một chương đầy đủ sẽ cung cấp cho bộ phát hiện độ dài mà nó khuyến nghị, và phần ngắn được chấm như một phần của văn bản dài hơn.
3. Hãy xem chế độ xem theo câu. Các bộ phát hiện chấm điểm theo câu cho thấy những dòng nào chi phối kết quả, và trong một văn bản ngắn thì đó thường chỉ là một hoặc hai câu, chẳng hạn như một định nghĩa được trích dẫn.
4. Hãy giữ các bản nháp và lịch sử phiên bản của bạn. Chúng cho thấy văn bản đã phát triển như thế nào, và một điểm số trên một đoạn ngắn không thể cho thấy điều đó.
5. Hãy hỏi điểm số sẽ được sử dụng như thế nào. Một kết quả trên một văn bản dưới độ dài khuyến nghị của chính nhà cung cấp là một tín hiệu yếu, và người xem xét nên cân nhắc nó theo cách đó.

Đối với nhân viên, phần thảo luận của bài báo đưa ra một quy tắc đơn giản: yêu cầu nhiều văn bản hơn, hoặc không đưa ra kết luận nào dưới một độ dài đã nêu. Ngưỡng 300 từ của Turnitin là loại quy tắc như vậy. Khi đã có một báo cáo đầy đủ, hướng dẫn về điểm Turnitin tốt là gì sẽ trình bày cách diễn giải nó.

Cách TextPulse xử lý văn bản ngắn

TextPulse không sử dụng bộ phát hiện AI và không bán các lượt quét bằng bộ phát hiện. TextPulse hiển thị Human Score (0 đến 100) sau mỗi lần humanization. Điểm này là một ước lượng được tạo trong ứng dụng dựa trên độ sâu của bản viết lại, sự đa dạng từ vựng, phân bố token và mức độ biến thiên độ dài câu của văn bản của bạn. Không có bộ phát hiện nào được dùng để tính điểm này.

AI Humanizer cần ít nhất 50 từ cho mỗi lần humanization, và xử lý tối đa 500 từ mỗi lượt trên Pro và 1,000 từ trên Plus. Document Humanizer có thể làm việc với toàn bộ một tệp .docx tiếng Anh dài tới 15,000 từ. Nó cần ít nhất 50 từ phần thân văn bản, và giữ nguyên tiêu đề, danh sách, bảng, chú thích và tài liệu tham khảo như đã viết. Cả hai đều được thiết kế để làm giảm AI scores trên các bản nháp mà khóa học hoặc tạp chí của bạn cho phép hỗ trợ AI.

Trước khi dán văn bản của bạn vào một bộ phát hiện, hãy kiểm tra độ dài của nó bằng Word Counter miễn phí. Công cụ này đếm số từ, số ký tự có và không có khoảng trắng, số câu và số từ duy nhất, để bạn có thể so sánh một văn bản với ngưỡng được nêu theo một trong hai đơn vị. Tất cả chi tiết về nghiên cứu độ dài, gồm điểm theo từng văn bản và mã phân tích, đều được công khai trên Zenodo, và trung tâm nghiên cứu liệt kê nghiên cứu này cùng với các bài báo TextPulse khác.