Mẫu viết AI: Những từ ngữ, nhịp điệu và dấu câu làm lộ nó

Đọc câu này một lần và xem liệu bạn đã biết nó xuất phát từ đâu chưa: các nhà nghiên cứu tiếp tục nhấn mạnh sự tương tác phức tạp giữa động lực và thành tích, và một khối lượng nghiên cứu ngày càng tăng làm nổi bật vai trò then chốt mà tự điều chỉnh đóng trong thành công học thuật. Không có gì trong đó là sai. Mọi mệnh đề đều đúng ngữ pháp, mọi từ đều là từ có thật, và một người chấm sẽ không trừ dù chỉ một điểm. Nhưng nó vẫn đọc như thể rơi ra từ một cỗ máy, vì đúng là như vậy. Đây là điều mà phần này bàn đến.

Các mẫu viết của AI là những thói quen có thể lặp lại, trong lựa chọn từ ngữ, nhịp câu, dấu câu và cấu trúc, khiến văn xuôi do máy soạn ra có thể nhận ra ngay bằng mắt. Chúng tập trung ở bốn cấp độ: những từ mà mô hình thường chọn, hình dạng của câu, dấu câu mà nó dựa vào, và cách nó cấu trúc một lập luận như một tổng thể. Không có yếu tố nào trong số đó tự nó chứng minh được điều gì. Nhưng khi kết hợp lại, trong cùng một đoạn văn, chúng rất khó bỏ qua.

Cỗ máy thực hiện việc này được gọi là bộ phát hiện thống kê. Nó chấm điểm mức độ có thể dự đoán của từng từ, theo những gì một mô hình ngôn ngữ kỳ vọng. Một báo cáo chứa phép toán perplexity và burstiness nằm bên dưới điểm số đó, được trình bày chi tiết hơn trong một bài khác về cách các bộ phát hiện AI hoạt động. Phần còn lại của bài viết này là một danh mục các dấu hiệu viết bằng AI mà người đọc có thể nghe thấy, đếm được hoặc chỉ ra trên trang. Điều này có thể quan trọng, ngay cả khi một bộ phát hiện sai, không khả dụng, hoặc không đúng trọng tâm. Những gì trình bày dưới đây không cần mô hình và cũng không cần đăng ký.

Tại sao các mẫu viết của AI nghe như máy móc?

Một mô hình ngôn ngữ đang làm điều gì đó khác với con người ở cấp độ câu, đó là chọn từ tiếp theo có xác suất cao nhất, lặp đi lặp lại, trong một hệ thống được huấn luyện để nghe có năng lực hơn là có nét riêng. Năng lực ở quy mô đó tạo ra văn xuôi trôi chảy, đúng, nhưng khó nhớ, và đó là nguồn gốc của cảm giác máy móc. Người đọc thường không thể nói chính xác điều gì sai với một đoạn như vậy, chỉ có thể nói rằng nó đọc lên phẳng, và bốn cấp độ dưới đây là nơi sự phẳng đó tồn tại.

Lựa chọn từ ngữ là cấp độ mà người đọc nhận ra đầu tiên: những từ ngữ trang trọng, mang tính sân khấu, xuất hiện ở nơi chúng không thuộc về. Nhịp câu thì kín đáo hơn, một đoạn văn mà mọi câu đều chạy với độ dài gần như nhau. Dấu câu và định dạng mang theo dấu ấn riêng của chúng, một dấu gạch nối được dùng như khớp nối vạn năng, một danh sách gạch đầu dòng chia nhỏ văn bản vốn chưa từng là một danh sách trong đầu người viết. Cấu trúc là phần ít thấy nhất, một đoạn lặp lại chính tiêu đề của nó, bao quát đúng ba điểm, rồi kết thúc bằng cách tóm tắt chính nó.

Bắt đầu với từ ngữ, phần dễ chỉ ra nhất, và cũng được ghi nhận đầy đủ nhất.

AI Lạm Dụng Những Từ Nào?

Người ta lại thấy những từ trang trọng, hơi mang tính sân khấu này hết lần này đến lần khác: "delve", "underscore", "showcase" và "pivotal" là những từ được ghi nhận nhiều nhất. Dmitry Kobak và ba đồng tác giả đã đặt mục tiêu xác định ngôn ngữ này. Họ đã phân tích 15.1 triệu tóm tắt PubMed từ 2010 đến 2024 và xác định một nhóm từ có tần suất tăng mạnh khi ChatGPT được phát hành. "Delve" tăng mạnh nhất, nghiên cứu này, được công bố trên Science Advances vào tháng 7 năm 2025, ước tính tần suất của nó trong năm 2024 cao hơn khoảng 28 lần so với trước 2023. Những từ gần nhất tiếp theo là "underscore" và "showcase". Các tác giả ước tính ít nhất 13.5 phần trăm các tóm tắt năm 2024 có dấu hiệu hỗ trợ từ AI, và con số này tăng lên trên 40 phần trăm ở một số quốc gia và nhà xuất bản.

Vì sao các mô hình hội tụ vào những từ cụ thể này vẫn ít chắc chắn hơn chính mẫu hình đó. Một nghiên cứu COLING 2025 đã kiểm tra hai mươi mốt từ xuất hiện vượt mức so với kiến trúc mô hình, dữ liệu huấn luyện và phản hồi của con người được dùng để tinh chỉnh chatbot, và cho rằng giai đoạn phản hồi là yếu tố đóng góp có khả năng nhất, dù chưa giải thích đầy đủ hiện tượng này. Cách diễn giải cũng vẫn còn bị tranh luận, một trao đổi năm 2026 trên tạp chí PNAS đã phản biện việc một sự dịch chuyển tần suất từ ngữ đo lường việc dùng AI trực tiếp đến mức nào, điều đáng ghi nhớ trước khi xem bất kỳ con số đơn lẻ nào ở đây như một факт đã được xác lập.

Điều đó không chỉ đúng với các tóm tắt bài báo. Trong một nghiên cứu so sánh nửa triệu bài luận của sinh viên và bài luận do AI tạo ra, các nhà nghiên cứu đã so sánh độ dài và cách lựa chọn từ ngữ của các bài viết và nhận thấy rằng các bài luận của con người nhìn chung dài hơn và sử dụng vốn từ vựng rộng hơn. Trong một nghiên cứu về các bài đánh giá đồng cấp được nộp cho bốn hội nghị học máy, bao gồm ICLR 2024 và NeurIPS 2023, các nhà nghiên cứu đã dùng cùng kỹ thuật để ước tính rằng từ sáu đến mười lăm phần trăm văn bản đánh giá đã bị một LLM sửa đổi đáng kể. Văn bản này có nhiều khả năng bị ảnh hưởng bởi một LLM hơn khi nó được nộp gần thời hạn.

Từ hoặc cụm từ mà AI lạm dụng	Thay vào đó, người viết cẩn trọng dùng gì
delve (into)	xem xét, khảo sát
underscore	cho thấy, nhấn mạnh
showcase	trình bày, minh họa
pivotal	chính, quyết định
robust	vững chắc, đáng tin cậy
intricate	phức tạp, chi tiết
meticulous	cẩn thận, kỹ lưỡng
tapestry	sự pha trộn, phạm vi
testament	dấu hiệu, bằng chứng
boasts	có, bao gồm
foster	khuyến khích, hỗ trợ
garner	giành được, thu hút
multifaceted	đa diện, phức tạp
holistic	toàn diện, tổng thể
nuanced	cẩn trọng, chính xác
invaluable	hữu ích, có giá trị
realm	lĩnh vực, phạm vi
embark on	bắt đầu, khởi sự
unlock	mở ra, làm cho khả thi
interplay	mối quan hệ, liên hệ

Không có từ nào trong số này tự thân là sai. Một phần phương pháp gọi một phát hiện là vững chắc đang dùng từ đó đúng cách, và một sử gia mô tả một lập luận pháp lý phức tạp không phải đang thú nhận với một chatbot. Điều khiến nó đọc như do máy tạo ra là mật độ, ba hoặc bốn từ như vậy trong một đoạn văn, không làm công việc cụ thể nào, xếp chồng lên nhau theo cách một mô hình xếp chúng vì mỗi từ, xét riêng lẻ, đều là lựa chọn an toàn nhất tiếp theo. Một lượt kiểm tra nhanh bằng free AI word cleaner của TextPulse sẽ gắn cờ trực tiếp mật độ đó.

Tại sao các câu do AI tạo ra đều nghe có cùng độ dài?

Một mô hình xây dựng từng câu theo cách nó đã xây dựng câu trước đó, thay vì nén một ý vào sáu từ ở một chỗ rồi trải nó ra trong ba mươi từ ở chỗ khác, vì vậy đầu ra có xu hướng giữ gần như cùng độ dài xuyên suốt. Sự biến thiên đó, hoặc sự thiếu vắng của nó, là điều bạn có thể nghe thấy khi đọc to một đoạn văn, một bài tập khác với điểm burstiness mà một bộ phát hiện tính toán từ cùng thuộc tính nền tảng đó.

Hai thói quen nhỏ hơn làm lộ nhịp điệu ở cự ly gần. Một mô hình thích kết thúc một câu bằng một phân từ treo lơ lửng, gợi ý về tầm quan trọng mà không thêm thông tin, một mệnh đề theo sau là việc nhấn mạnh nhu cầu nghiên cứu thêm hoặc phản ánh một sự chuyển dịch rộng hơn trong lĩnh vực. Nó cũng tìm đến một cấu trúc ghép đôi để nghe có vẻ cân đối, theo kiểu phương pháp này không chỉ hiệu quả mà còn có khả năng mở rộng. Nói một lần, cấu trúc đó không có gì đáng chú ý. Nói trong mọi đoạn văn, nó nghe như một khuôn mẫu với các danh từ được thay thế vào.

Quy tắc ba

Ở cấp độ cụm từ cũng vậy, các nhóm ba là nhịp mặc định của mô hình, ba tính từ trước một danh từ, ba ví dụ trong một danh sách, ba mệnh đề được xây dựng giống nhau liên tiếp. Những nhóm ba thỉnh thoảng luôn là một phần của tiếng Anh. Một nhóm ba được đặt đúng chỗ không phải là triệu chứng của bất cứ điều gì. Dấu hiệu nằm ở tần suất. Ba không phải là vấn đề. Vấn đề là ba xuất hiện trong gần như mọi đoạn văn.

Đếm là đủ để phát hiện phần lớn điều này mà không cần bất kỳ đào tạo đặc biệt nào. Hãy đọc một đoạn văn và đánh dấu độ dài của từng câu bằng số từ. Nếu tất cả các dấu của bạn đều nằm trong phạm vi vài từ so với dấu trước đó, thì nhịp điệu chính là dấu hiệu. Hãy dùng công cụ kiểm tra burstiness miễn phí của TextPulse free burstiness checker để tự động hóa việc đếm và biểu diễn nó bằng biểu đồ, hữu ích cho một đoạn quá dài để có thể nhìn lướt từng câu một.

Dấu gạch ngang dài và các dấu câu nhận biết khác

Vì sao dấu này trở thành lựa chọn mặc định

Dấu gạch ngang dài có lẽ là dấu câu bị quy cho văn bản do máy tạo ra nhiều nhất. Bạn có thể biết nó như dấu gạch ngang dài thay cho dấu phẩy, dấu hai chấm hoặc dấu chấm để nối hai nửa của một câu. Dấu gạch ngang dài không mới và cũng không phải thứ do AI phát minh ra. Từ khi các cẩm nang phong cách xuất hiện, từ Chicago đến AP, chúng đều cho phép dùng nó để nhấn mạnh và ngắt quãng. Và rất nhiều người viết chuyên nghiệp dùng nó có chủ ý.

Lý do có khả năng nhất khiến nó xuất hiện thường xuyên như vậy trong đầu ra của máy là điều rất bình thường, dấu này phổ biến trong văn xuôi đã được biên tập, được dàn trang chuyên nghiệp mà các mô hình ngôn ngữ được huấn luyện trên đó, và nó cho phép một câu tiếp tục vận động mà không phải kết thúc bằng một dấu chấm. Một mô hình được xây dựng để tạo ra văn bản trôi chảy, liên kết với nhau sẽ thường xuyên tìm đến sự linh hoạt đó, thường xuyên hơn đa số con người khi soạn thảo bằng tay.

Tần suất thay đổi rất lớn tùy theo hệ thống nào tạo ra văn bản. Một lần thử nghiệm so sánh song song vào giữa năm 2025 đã đưa cùng một lời nhắc cho sáu chatbot và đếm các dấu này: ba hệ thống trả về nó tám hoặc chín lần trong chưa đến sáu trăm từ, một hệ thống dùng nó hai lần trong gần một nghìn từ, và hai hệ thống không dùng nó chút nào. Tần suất là thuộc tính của mô hình nào đã tạo ra đoạn văn trước mắt bạn, chứ không phải đặc điểm cố định của văn bản AI. OpenAI đã thêm một thiết lập vào tháng 11 năm 2025 cho phép người dùng bảo ChatGPT ngừng dùng dấu này và thực sự tuân theo, điều đó khiến ngay cả dấu hiệu này hiện cũng chỉ còn là tùy chọn một phần.

Không có điều nào trong số đó khiến chính dấu này trở thành bằng chứng của bất cứ điều gì. Rất nhiều người viết cẩn thận dùng nó một cách có chủ ý, và rất nhiều bài luận của sinh viên chưa từng chạm tới chatbot cũng dùng nó, đôi khi vì một giáo viên đã dạy họ như vậy. Điều đáng kiểm tra là mật độ, một trang dựa vào dấu này ở mỗi câu thứ hai sẽ đọc khác với một trang dùng nó hai lần có chủ ý. Công cụ loại bỏ dấu gạch ngang dài miễn phí của TextPulse kiểm tra mật độ đó và đề xuất dấu phẩy, dấu hai chấm, dấu chấm hoặc dấu gạch nối mà mỗi trường hợp cần đến.

Dấu đầu dòng, chữ đậm và tiêu đề

Cùng một mức độ này bao gồm các quyết định định dạng bên dưới câu. Một danh sách gạch đầu dòng ở giữa đoạn văn vốn chưa bao giờ là một danh sách trong đầu người viết. Các tiêu đề viết theo kiểu title case trong khi phần còn lại của tài liệu viết theo sentence case. Một cụm từ in đậm ở đầu mỗi gạch đầu dòng như một tiêu đề nhỏ. Không điều nào trong số này là dấu câu, nhưng tất cả đều xuất phát từ cùng một nơi, một mô hình định dạng cho cửa sổ trò chuyện, nơi cấu trúc trực quan thay thế cho các chuyển tiếp mà văn xuôi thường đảm nhiệm.

Cấu trúc và hình dạng của lập luận

Mức cuối cùng nằm phía trên câu và là khó sửa nhất bằng cách thay một từ, vì đó là hình dạng của chính lập luận. Một đoạn do máy viết thường mở đầu bằng cách diễn đạt lại chính tiêu đề của nó bằng những từ hơi khác, đi qua hai hoặc ba điểm hỗ trợ được cho trọng lượng gần như ngang nhau bất kể mỗi điểm thực sự quan trọng đến đâu, rồi kết thúc bằng cách tóm tắt điều vừa nói thay vì bổ sung điều gì mới.

Một thói quen liên quan xuất hiện liên tục trong các bài dài hơn, một phần mục liệt kê điều gì đó làm tốt, chuyển hướng bằng một từ như however, liệt kê các thách thức theo cùng một bộ ba gọn gàng, rồi ám chỉ một tương lai có lẽ sẽ giải quyết chúng. Các lập luận thực tế gồ ghề hơn thế. Một người viết thường quan tâm đến một điểm hơn hai điểm còn lại, dành cho nó nhiều không gian hơn, và không nợ người đọc một kết thúc đối xứng.

Đây cũng là mức độ mà lối viết học thuật theo công thức có thể trông giống một cách đánh lừa với lối viết của máy, vì một mục phương pháp hoặc một tổng quan tài liệu vốn được kỳ vọng tuân theo một khuôn dạng cố định. Sự khác biệt nằm bên trong khuôn dạng đó. Một tổng quan tài liệu do máy viết sẽ điểm tên các ý thường gặp của lĩnh vực theo đúng trật tự quen thuộc. Một bản do con người viết sẽ tranh luận về những ý nào quan trọng và vì sao, ngay cả trong một khuôn mẫu cứng nhắc, bởi vì ở đó đang bảo vệ một lập trường thực sự.

Đánh giá một văn bản mà bạn không viết

Bốn dấu hiệu đáng chú ý nhất

Khoảng cách về tính cụ thể là dấu hiệu mạnh nhất mà một người đọc không có công cụ nào vẫn có thể nhận ra. Văn xuôi do máy soạn ra đưa ra những khẳng định đúng ở mọi mức độ khái quát nhưng lại không gắn chặt với mức nào cả. Nó báo cáo rằng nghiên cứu đã xem xét vấn đề mà không nêu tên một nghiên cứu nào, rằng tác động là có ý nghĩa mà không đưa ra độ lớn, rằng thực hành này phổ biến trong ngành mà không nêu tên một công ty hay một năm. Một người viết đang làm việc trong cùng giới hạn số từ thường có xu hướng dành những từ đó cho một điều cụ thể, vì họ có một điều cụ thể và muốn đưa nó vào.

Các trích dẫn không thể truy xuất là dấu hiệu duy nhất trong danh sách gần với bằng chứng, và cũng là dấu hiệu hiếm nhất. Một tài liệu tham khảo được định dạng hoàn hảo, được gán cho một tạp chí có thật, mang một mã định danh nhưng không trả về bản ghi nào, là điều rất khó tạo ra do vô tình. Hãy kiểm tra ba tài liệu tham khảo trước khi kiểm tra bất cứ thứ gì khác trong một bài nộp mà bạn còn chưa chắc chắn. Việc này mất hai phút và hoặc là chấm dứt câu hỏi, hoặc là loại bỏ tín hiệu mạnh nhất khỏi bảng.

Mật độ từ vựng là dấu hiệu mà hầu hết người đọc nghĩ đến đầu tiên và cũng là dấu hiệu dễ nhận sai nhất. Tín hiệu nằm ở mật độ chứ không phải ở bất kỳ từ đơn lẻ nào. Một động từ trang trọng đơn lẻ là cách dùng học thuật bình thường, còn năm động từ như vậy trong một đoạn mà không làm công việc cụ thể nào là một mô thức. Đếm thủ công trên một bài nộp dài thì chậm, và công cụ free AI word cleaner của TextPulse tự động đánh dấu các cụm này, biến một ấn tượng mơ hồ thành thứ mà bạn có thể chỉ ra ngay trên trang.

Trong bốn dấu hiệu này, dấu hiệu tinh vi nhất là một giọng điệu không bao giờ bị phá vỡ. Một người viết thường hầu như luôn làm điều gì đó hơi lệch tông trong hai nghìn từ, một câu ngắn sau ba câu dài, một lời chen ngang trong ngoặc, một nhận định mà họ không nhất thiết phải đưa ra, một từ được chọn chỉ vì họ thích nó. Văn xuôi do máy tạo ra giữ nguyên một giọng điệu từ dòng đầu đến dòng cuối. Có những thể loại cấm tất cả những điều này, vì vậy dấu hiệu này có giá trị thấp hơn nhiều trong một phần phương pháp so với trong một bài tự thuật cá nhân.

Những Dấu Hiệu Trông Có Vẻ Mạnh Nhưng Không Phải

Ngữ pháp hoàn hảo không chứng minh điều gì. Chính tả và dấu câu đã được tự động hóa trong hai thập kỷ, và bất kỳ người viết cẩn thận nào chạy một công cụ kiểm tra đều tạo ra cùng một bề mặt sạch sẽ. Giọng điệu trang trọng cũng không chứng minh điều gì, vì tính trang trọng là điều mà phần lớn các thể loại học thuật và chuyên môn cần theo quy định. Việc dùng nhiều tiêu đề, chữ đậm và danh sách gạch đầu dòng là một thói quen của phong cách nội bộ từ rất lâu trước khi nó là bất cứ điều gì khác, và rất nhiều người viết đã được rèn theo cách đó nhiều năm trước khi một chatbot cho ai đó thấy điều ấy. Thói quen dùng dấu câu cũng có trọng lượng thấp tương tự, và đặc biệt là dấu gạch ngang dài đã bị yêu cầu gánh vác nhiều hơn mức một ký hiệu có thể làm.

Điểm số của công cụ phát hiện cũng thuộc nhóm này, điều này thường khiến người ta ngạc nhiên. Một điểm số là một phán đoán thống kê về mức độ có thể dự đoán của văn bản, và văn xuôi có thể dự đoán là thứ mà con người cẩn thận tạo ra mỗi ngày, đó là cách mà các kết quả dương tính giả xuất hiện. Đầu ra của công cụ phát hiện là một đầu vào cho một quyết định mà con người vẫn phải đưa ra, và phần giải thích của TextPulse về cách các công cụ phát hiện AI hoạt động nêu rõ con số đó đang đo lường điều gì trước khi bất kỳ ai coi nó như một phán quyết.

Phải Làm Gì Khi Một Văn Bản Gặp Phải Nhiều Dấu Hiệu

Hãy kiểm tra trước những gì có thể kiểm tra được. Lấy ba trích dẫn, một con số và một факт có tên gọi, rồi xác minh từng mục. Chỉ một lượt như vậy đã đủ để phân biệt một văn bản mỏng với một văn bản bị bịa đặt, và hai trường hợp này đòi hỏi những phản ứng rất khác nhau. Tiếp theo, hãy so sánh bài nộp với một thứ mà chính người đó đã viết trước đây dưới sự giám sát, vì một sự thay đổi đột ngột về văn phong trong cùng một tác giả có sức nặng hơn bất kỳ cách đọc tuyệt đối nào của một tài liệu đơn lẻ. Sau đó, hãy đặt một câu hỏi mà chỉ tác giả mới có thể trả lời về chính văn bản của họ: vì sao chọn nguồn này thay vì phương án thay thế hiển nhiên, phần thứ ba ban đầu định lập luận điều gì, đoạn nào khiến họ gặp nhiều khó khăn nhất. Người đã viết ra nó sẽ trả lời ngay lập tức.

Hãy tuân theo chính sách đang tồn tại, chứ không phải chính sách mà bạn sẽ viết. Hiện nay, đa số cơ sở quy định rõ ai có thể nêu quan ngại, loại bằng chứng nào được chấp nhận và người viết sẽ được thông báo điều gì, và bỏ qua trình tự đó chính là điều biến một câu hỏi hợp lý thành một khiếu nại. Những người viết ở phía bên kia của vấn đề này, khi được báo rằng tác phẩm của họ đọc như bản thảo do máy tạo ra, có một nhiệm vụ khác phải làm, và TextPulse's AI humanizer báo cáo một Human Score ước tính được tính từ văn bản chứ không phải một phán quyết từ bất kỳ bộ phát hiện nào.

Đặt cùng phép thử đó lên các bản nháp của chính mình thì khó hơn, và liệu bài viết của bạn có nghe giống AI hay không có một trang riêng. Bản thân vốn từ được lập danh mục riêng, trong một danh sách các từ ngữ khiến ChatGPT lộ diện.

Chín dấu hiệu là lý do để đặt câu hỏi, và câu hỏi ấy luôn là cùng một câu: văn bản này biết điều gì mà một phỏng đoán trôi chảy sẽ không biết? Hãy hỏi trước hết đối với các trích dẫn. Đó là phần duy nhất của bất kỳ bài nộp nào tự trả lời, mà không cần ai phải bị buộc tội điều gì.

Các dấu hiệu này có chứng minh rằng một văn bản được viết bởi AI không?

Không có dấu hiệu đơn lẻ nào chứng minh được điều gì, và một tập hợp đầy đủ các dấu hiệu cũng vậy. Dưới áp lực từ biên tập viên hoặc giáo sư, một người viết học thuật cẩn trọng có thể tạo ra các đoạn văn có nhiều đặc điểm này, chẳng hạn như thiếu đại từ, nhưng không cần sự hỗ trợ của chatbot. Những người viết tiếng Anh không phải bản ngữ cũng có thể dùng những từ an toàn mà họ được dạy trong lớp, và sinh viên được dạy dùng các liên từ trang trọng cũng có thể sử dụng nhiều đặc điểm này. Một danh sách từ vựng không phải là bằng chứng của hành vi sai phạm, đó là một sai lầm có thể khiến những người viết cẩn trọng bị buộc tội oan. Chúng ta nên chỉ ra sai lầm này, chứ không lặng lẽ lặp lại nó.

Điều mà một công cụ có thể làm một cách có trách nhiệm là cho thấy mô thức, chứ không phán quyết bài viết. Điều mà chúng tôi có thể cung cấp với AI humanizer của TextPulse là một ước lượng về Human Score dựa trên văn bản trước mắt. Đây là một cách đọc vị trí của bản thảo so với các mô thức bề mặt này, chứ không phải là một phán quyết từ bất kỳ bộ phát hiện nào và cũng không phải là một lời hứa về điều mà một công cụ khác sẽ nói vào ngày mai. Đó là một con số mà bạn có thể dùng làm điểm khởi đầu cho quyết định, giống như trình kiểm tra chính tả gắn cờ một từ mà không quyết định xem câu xung quanh nó có hay hay không.

Mỗi dấu hiệu ở trên đều có một trang riêng. Bản thân vốn từ được hệ thống hóa trong một bài viết về những từ tiết lộ ChatGPT, với các phần xử lý riêng về thói quen dùng dấu gạch ngang dài và về vì sao các mô hình lại đặc biệt chọn một động từ nào đó. Các nhãn rộng hơn cũng được đề cập: AI slop nghĩa là gì, AI fluff nghĩa là gì, và một hướng dẫn thực hành để nhận biết liệu một nội dung có được viết bởi AI hay không. Nếu mối lo là các bản thảo của chính bạn chứ không phải của người khác, thì có một bài viết về loại bỏ các từ AI khỏi bài viết của bạn.

Lần tới khi bạn đọc lại văn xuôi của mình và cảm thấy có điều gì đó không ổn, đừng chỉ tìm một từ đồng nghĩa để thay thế. Hãy thử đọc to lên thay vào đó. Đếm số từ trong mỗi câu. Tự hỏi chính xác từng từ đang làm gì ở đó. Đó cũng chính là cách đọc mà một biên tập viên cẩn trọng đã thực hiện từ rất lâu trước khi bất kỳ điều gì trong số này có tên gọi.