Detector de parafrazare — identifică copierea mascată
Un detector de parafrazare identifică textele reformulate pentru a ascunde sursa. Noplag detectează astăzi cazurile ușoare: editările care păstrează secvențe de cinci cuvinte sunt încă identificate, astfel încât înlocuirile de sinonime și reordonările minore sunt găsite prin amprente winnowing și verificate cu căutări web în timp real. Rescrierea completă, propoziție cu propoziție, este o problemă diferită și nu o detectăm încă — potrivirea aproape identică (v1.1) și potrivirea semantică (v1.2) sunt soluțiile, și vor fi disponibile după evaluarea publică.
Noi detectăm. Nu ajutăm la evitarea detectării.
Un humanizer este un instrument care rescrie texte generate de AI sau de oameni special pentru a evita detectarea. Am putea construi unul. Nu o facem. Scopul acestui produs este să evidențieze copierea fără atribuire, nu să o ascundă. Pentru ca detectarea să fie utilă, cei care dezvoltă detectoare și cei care fac humanizere nu pot fi același furnizor. Noi am ales partea noastră.
Când menționăm humanizerele în raport, este pentru a te informa că există și că pot fi folosite înainte de textul pe care îl verifici — nu pentru a-ți vinde unul.
Patru straturi. Două disponibile, două în dezvoltare.
Cascada este concepută să restrângă analiza de la potriviri exacte la duplicate apropiate, apoi la echivalență semantică și, în final, verificare pe web-ul deschis. Două dintre aceste straturi sunt incluse în v1.0; cele două care detectează parafrazarea reală sunt încă în lucru și preferăm să spunem asta direct.
Amprente winnowing — disponibil
Potriviri exacte de subșiruri. Înlocuiri ușoare de sinonime și reordonări minore care păstrează secvențe de cinci cuvinte.
Orice reordonare sau reformulare.
MinHash LSH — pe foaia de parcurs v1.1
Va detecta reordonarea propozițiilor și rearanjarea cuvintelor. Nu este detectat în prezent.
Sinonime reale și reformulări semantice, pentru care este prevăzut L3.
Sentence embeddings — pe foaia de parcurs v1.2
Va detecta înlocuiri de sinonime și parafrazări semantice. Nu este detectat în prezent.
Reformulări suficient de îndepărtate de sursă încât să nu mai existe semnal statistic.
Verificare web în timp real — disponibilă
Surse apărute după momentul capturii corpusului.
Conținut cu acces restricționat sau neindexat.
Ce detectăm acum — în funcție de gradul de parafrazare.
Acesta este comportamentul din v1.0, nu o estimare. Editările minore lasă încă secvențe de text detectabile; rescrierea completă nu, iar nicio metodă de amprentare nu le poate recupera. Am explicat exact unde este limita în articolul nostru despre limitele reale ale detecției textului identic: /blog/the-honest-limits-of-verbatim-detection.
Schimbări de sinonime și reordonări minore. O parte suficientă din formularea originală rămâne pentru ca amprentele să poată fi potrivite.
Pisica stătea pe covoraș.
Felina stătea pe covoraș.
Restructurare de propoziție, verbe schimbate. Detectat doar unde rămâne o secvență neschimbată. Potrivirea aproape-identică (v1.1) vizează acest nivel.
Pisica stătea pe covoraș.
Pe covoraș, pisica se așezase.
Rescriere semantică completă, structură și vocabular noi. Scor zero în prezent; potrivirea semantică (v1.2) vizează acest nivel.
Pisica stătea pe covoraș.
Un mamifer mic s-a poziționat pe o suprafață textilă.
Zece întrebări despre detectarea parafrazării.
Mai ales despre limitele detectării. Suntem expliciți cu privire la limitări; cei care trebuie să știe sunt cei care iau decizii pe baza scorului.
- Care este diferența dintre detectarea parafrazării și detectarea plagiatului?
- Plagiatul este categoria mai largă — copierea textului fără citare. Detectarea parafrazării este provocarea specifică de a identifica plagiatul după ce textul a fost rescris pentru a-i ascunde originea. Noplag le acoperă pe ambele într-un singur raport; modulul de parafrazare intră în funcțiune când stratul L1 de potrivire exactă nu găsește nimic.
- De ce este atât de greu de identificat parafrazarea intensă?
- Detectarea funcționează prin identificarea unor semnale statistice — secvențe comune de cuvinte, apoi structură și sens comun. Editările minore păstrează aceste secvențe, deci sunt detectate. Dacă rescrii un pasaj propoziție cu propoziție, secvențele dispar complet: o parafrazare temeinică va avea scor zero într-un engine bazat pe amprentare, cum este v1.0. Este o limitare a metodei, nu o eroare, și de aceea potrivirea aproape-identică (v1.1) și cea semantică (v1.2) sunt straturi separate, nu doar un reglaj. Am detaliat acest lucru în articolul despre limitele oneste ale detectării literale: /blog/the-honest-limits-of-verbatim-detection.
- Noplag oferă un instrument de umanizare a textului AI?
- Nu. Nu furnizăm un humanizer. Scopul unui humanizer este să evite detectarea — ceea ce contrazice misiunea noastră. Suntem de partea integrității; detectăm, nu ajutăm la ascundere. Vezi precizarea de mai sus.
- Cum se compară acest lucru cu instrumentul de parafrazare Quillbot?
- Quillbot rescrie textul pentru a evita detectarea. Noi detectăm textul rescris pentru a scăpa de detectare. Suntem la poluri opuse ale aceleiași probleme. Dacă un text generat de Quillbot ajunge la verificare, raportul va semnala 'posibilă utilizare a unui instrument de parafrazare' când identificăm semnătura.
- Ce înseamnă 'cascadă în patru straturi' și cât din ea este activă?
- Patru treceri de detectare, fiecare mai puțin literală decât precedenta. L1 identifică potrivirile exacte și editările minore, iar Layer W verifică prin căutare web în timp real — ambele sunt disponibile în v1.0. L2 (potrivire aproape-identică) este pe roadmap-ul v1.1, iar L3 (potrivire semantică prin embeddings de propoziții) pe v1.2; niciuna nu rulează acum și nici nu este publică încă. Deci, rezumatul onest: jumătate din cascadă este activă, și este partea care acoperă reformulările ușoare.
- Cum rămâne cu parafrazarea prin retroversiune?
- Retroversiunea (ex. Engleză → Spaniolă → Engleză) este printre cele mai dificile tipuri de parafrazare — echivalent semantic, dar structură nouă. Dacă păstrează secvențe din formularea originală, le detectăm; dacă rescrierea este completă, nu o identificăm în prezent. Este o țintă pentru stratul semantic din v1.2.
- Veți marca parafrazarea intensă drept 'plagiat'?
- Doar dacă nivelul de încredere este suficient de ridicat. Sub prag, afișăm pasajul suspect cu 'potrivire cu încredere scăzută' și lăsăm decizia la evaluator. Nu declarăm niciodată unilateral parafrazarea ca plagiat — raportăm o probabilitate și argumentația.
- Pot vedea cum a fost punctat un pasaj de Noplag?
- Da. Fiecare potrivire din raport are link către sursa URL și arată care strat de detectare a identificat-o. Poți replica scorul local cu engine-ul open source — vezi /open-source-plagiarism-checker.
- Funcționează Noplag pentru parafrazare în alte limbi decât engleza?
- Detectarea este calibrată pentru engleză, spaniolă, portugheză, poloneză și ucraineană la lansare, cu alte limbi în curs de adăugare. Pentru alte limbi, rezultatele sunt marcate 'resurse reduse — interpretați cu prudență suplimentară.'
- Detectorul de parafrazare este gratuit?
- Da, pe nivelul gratuit — 2.500 de cuvinte per verificare, fără cont. Nivelurile Pro și Premium cresc limita; algoritmul de detectare este același pe toate nivelurile.
Identifică plagiatul parafrazat — gratuit, până la 2.500 de cuvinte.
Detectăm reformulările ușoare și precizăm clar că reformulările profunde nu pot fi identificate până când nu lansăm straturile semantice. Rulează o verificare pe propriul text și vezi exact ce a identificat motorul.
Identifică plagiatul parafrazat