TrolyPage

Hệ điều hành Marketing & Bán hàng tự chủ cho doanh nghiệp muốn tăng trưởng đa kênh bằng AI.

Thông tin liên hệ

Theo dõi chúng tôi

11 phút đọc

Sửa trích dẫn AI khi DOI đúng nhưng tên bài, năm sai

TrolyPage

Oct 17, 2026
75 lượt xem
Sửa trích dẫn AI khi DOI đúng nhưng tên bài, năm sai

Một mục tham khảo có DOI mở được vẫn có thể sai tên bài hoặc năm. Cách sửa là lấy bản ghi của đúng phiên bản, đối chiếu từng trường rồi viết lại. Sau đó còn một việc riêng: kiểm câu trong bản nháp có nói đúng điều nghiên cứu đã báo cáo hay không.

Bài tập dưới đây dùng một paper AI có thật và một mục tham khảo do người biên soạn cố ý sửa sai. Bạn có thể làm lại trên một mục trong nháp của mình. Không cần giao cho AI tự đi tìm cách lấp các trường còn thiếu.

Một DOI thật đi cùng hai trường sai

Đầu vào bài tập — mẫu cố ý sai, không dùng làm tài liệu tham khảo:

Nelson F. Liu, Kevin Lin, John Hewitt, Ashwin Paranjape, Michele Bevilacqua, Fabio Petroni, Percy Liang. 2023. Lost in the Middle: Why Longer Contexts Always Improve Answers. Transactions of the Association for Computational Linguistics, 12, 157–173. https://doi.org/10.1162/tacl_a_00638

Trong mẫu này, DOI được giữ nguyên, còn tên bài và năm đã bị đổi. Việc bấm link và thấy một trang bài báo chỉ giải quyết được câu hỏi “đường dẫn này trỏ tới đâu”. Nó chưa xác nhận những chữ được viết cạnh đường dẫn.

Hãy tạm dừng ở mục này, thay vì yêu cầu AI tạo lại toàn bộ danh mục. Đích cần lấy là tên bài chính xác, danh sách tác giả đúng thứ tự, năm của phiên bản được dẫn, journal, tập và khoảng trang.

Lấy bản ghi gốc rồi sửa đúng trường

Với DOI 10.1162/tacl_a_00638, bạn có thể mở bản ghi trên ACL Anthology. Trang hiện tên bài và bảy tác giả ở đầu; các trường Year, Volume, Pages, DOI và phần Cite nằm dưới abstract. Ở đây, bạn đang chọn phiên bản journal TACL năm 2024.

Để đối chiếu thêm, vào Crossref Metadata Search, dán nguyên DOI vào ô tìm kiếm. Công cụ cho phép tìm theo DOI, tên hoặc một mục trích dẫn. Trong ví dụ này cũng có thể đọc trực tiếp bản ghi Crossref tương ứng. Nếu mở dạng JSON, các trường cần tìm là title, author, published, container-title, volume, page và DOI.

Hai bản ghi đang khớp ở những dữ kiện cần dùng:

Trường

Giá trị đã đối chiếu cho phiên bản này

Tên bài

Lost in the Middle: How Language Models Use Long Contexts

Tác giả, đúng thứ tự

Nelson F. Liu, Kevin Lin, John Hewitt, Ashwin Paranjape, Michele Bevilacqua, Fabio Petroni, Percy Liang

Năm

2024

Journal

Transactions of the Association for Computational Linguistics

Tập / trang

12 / 157–173

DOI

10.1162/tacl_a_00638

Vì vậy, cần thay tên bài có cụm “Why Longer Contexts Always Improve Answers” bằng tên chính xác trong bảng, và đổi năm của mục đang gắn DOI journal này từ 2023 thành 2024. Tên tác giả, journal, tập, trang và DOI trong mẫu đã khớp thì giữ lại; không cần viết lại chúng theo trí nhớ.

Bản ghi đã sửa — có thể sao chép:

Nelson F. Liu, Kevin Lin, John Hewitt, Ashwin Paranjape, Michele Bevilacqua, Fabio Petroni, Percy Liang. 2024. Lost in the Middle: How Language Models Use Long Contexts. Transactions of the Association for Computational Linguistics, 12, 157–173. https://doi.org/10.1162/tacl_a_00638

Đây là bản ghi thông tin để sao chép. Nếu nơi nhận yêu cầu một chuẩn trích dẫn cụ thể, hãy định dạng lại theo yêu cầu đó sau khi đã chốt dữ kiện.

Năm phải đi cùng phiên bản. Không thay mọi số 2023 bạn gặp thành 2024: một mục dẫn preprint hoặc phiên bản khác cần được kiểm với bản ghi của phiên bản ấy. Bài tập này chỉ sửa mục đang chọn DOI của bản journal TACL 2024; nó không kết luận một trích dẫn preprint năm 2023 là sai.

Sửa mục tham khảo xong, kiểm tiếp câu đang dẫn nó

Giả sử bản nháp có câu sau. Đây cũng là câu mẫu do người biên soạn dựng để luyện sửa:

Mở rộng ngữ cảnh bảo đảm AI không bỏ sót thông tin ở mọi vị trí.

DOI đúng và tên bài đúng vẫn không làm câu này trở thành kết luận được chứng minh. Abstract của nghiên cứu nêu hai nhiệm vụ: multi-document question answering và key-value retrieval. Phần kết quả mô tả sự thay đổi hiệu năng khi vị trí thông tin liên quan thay đổi.

Một câu hẹp hơn, phù hợp với phần abstract đã đối chiếu, là:

Trong hai nhiệm vụ hỏi đáp nhiều tài liệu và truy xuất cặp khóa–giá trị được báo cáo trong nghiên cứu, hiệu năng thay đổi theo vị trí thông tin liên quan: kết quả thường cao hơn khi thông tin nằm ở đầu hoặc cuối, và suy giảm khi phải lấy thông tin ở giữa ngữ cảnh dài.

Câu sửa giữ tên hai nhiệm vụ và nói về thí nghiệm được báo cáo. Nó không mở rộng thành mọi model năm 2026, mọi loại tài liệu hay một tỷ lệ bỏ sót cụ thể. Muốn nêu tên model, dữ liệu, chiều dài ngữ cảnh hoặc phần trăm, bạn cần đọc các phần phương pháp và kết quả tương ứng trong toàn văn.

Ở ví dụ này, bạn có hai đầu ra riêng: một mục tham khảo đúng thông tin và một câu diễn giải vừa phạm vi. Khi biên tập nháp, đánh dấu hai việc ấy riêng giúp tránh tình huống sửa đẹp danh mục nhưng vẫn giữ nguyên một kết luận quá rộng trong thân bài.

Cho AI so từ dữ kiện đã xác nhận

Sau khi tự mở bản ghi, bạn có thể dùng AI để chỉ ra chỗ lệch và soạn lại. Dán dữ liệu đã kiểm vào yêu cầu, kèm câu trong nháp và phần nội dung nguồn bạn thực sự đã đọc:

Đối chiếu một mục tham khảo và câu diễn giải từ dữ liệu tôi cung cấp.

MỤC CẦN KIỂM: [dán bản trong nháp]
PHIÊN BẢN ĐANG DÙNG: bài journal TACL 2024, DOI 10.1162/tacl_a_00638
METADATA ĐÃ MỞ VÀ ĐỐI CHIẾU: [dán bản ghi đúng và URL tra cứu]
CÂU DIỄN GIẢI TRONG NHÁP: [dán câu]
PHẦN NỘI DUNG NGUỒN ĐÃ ĐỌC: [dán đoạn liên quan, ghi abstract hay toàn văn]

1. Với từng trường tác giả, tên bài, năm, journal, volume, pages và DOI: ghi khớp / lệch / chưa đủ dữ liệu, kèm căn cứ từ phần tôi đưa.
2. Soạn bản ghi đã sửa chỉ bằng thông tin đã xác nhận. Trường còn thiếu thì ghi rõ cần tra, không tự điền hoặc tạo DOI mới.
3. Kiểm câu diễn giải có vượt task, đối tượng hoặc kết quả trong phần nguồn đã đọc không. Đề xuất câu hẹp hơn nếu có căn cứ; nếu chưa đủ thì hỏi phần cần đọc thêm.
4. Giữ riêng nhận xét về metadata và về nội dung. Không biến một DOI đúng thành bằng chứng cho mọi câu đứng trước nó.
Không tự nhận đã mở URL, chạy công cụ hoặc kiểm toàn văn. Nếu đề xuất tra thêm, ghi rõ đó là bước chưa thực hiện.

Kết quả cần nhận là bảng trường nào khớp, trường nào lệch, trường nào chưa đủ dữ liệu; tiếp theo là bản ghi sửa và nhận xét riêng về câu diễn giải. Đọc lại từng thay đổi với bản ghi gốc trước khi dùng. Một câu viết trôi chảy không được thay cho dữ kiện còn thiếu.

Nếu Crossref không tìm được mục, đừng vội kết luận tài liệu bị bịa. Giữ trạng thái chưa xác minh và tìm thêm bằng tên bài, tác giả, nơi công bố hoặc kho của đơn vị xuất bản. Nếu một trang không vào được, dùng kênh tra cứu hợp lệ khác; đừng ghi rằng đã kiểm phần chưa mở.

Với nháp đang soạn bằng AI, đặt công việc này vào bước đọc lại trước khi lưu bản dùng chính thức. Hướng dẫn AI Writing mô tả cách chuẩn bị brief và chỉnh từng điểm của nội dung; bài tập trên bổ sung một việc cụ thể khi nháp có tài liệu tham khảo học thuật.

Hãy bắt đầu bằng một mục: xác định đúng phiên bản, thay đúng trường sai, rồi sửa đúng câu đang dựa vào nguồn đó. Sau lần kiểm, bạn nên có một bản ghi có thể dùng và biết rõ điều gì còn cần đọc thêm.