CiteTrue と ZeroGPT の比較
ZeroGPT が答えようとしているのは「この文章は AI が書いたか」です。CiteTrue が答えるのは、もっと狭く、そしてはるかに検証しやすい問い —— 「これらの参考文献は実在し、本文が主張するとおりのことを述べているか」です。後者にはリンクを開けば確かめられる正解がありますが、前者にはありません。
判定が信頼できる理由
多くの引用チェックツールは判断そのものを言語モデルに丸投げし、モデルの言い分をそのまま見せます。しかしモデルは幻覚を起こす —— それこそがこの分野が存在する理由です。だから私たちはモデルを最初ではなく最後に置いています。
- 01
1. 推測せず、構文解析する
どの参考文献も、著者・タイトル・年・掲載誌・DOI といった要素に分解します。分解するのは引用形式のために作られたパーサーであって、「タイトルは何だと思うか」をモデルに尋ねているわけではありません。
- 02
2. 権威あるデータベースで照合する
分解した参考文献を Crossref と OpenAlex に照会し、DOI がない場合はオープンウェブにも当たります。返ってくるのは、実在する識別子を持つ実在のレコードです。
- 03
3. 一致度を決定的に採点する
候補レコードは、タイトルのトークンに対する Sørensen-Dice 類似度で採点します。一致と認めるのは、タイトルのスコアが 0.7 を超え、かつ著者リストが合致した場合だけです。年の不一致は注意として報告し、黙って受け入れることはありません。同じ参考文献なら、必ず同じスコアになります。
- 04
4. そこで初めてモデルに尋ねる
言語モデルを呼ぶのは、決定的な処理で本物の一致が見つからなかったときだけです。候補と原文を読ませ、当てはまるものがあるかを判断させます。モデルは最後の手段であって、裁定者ではありません。この順序だからこそ、幻覚による判定が入り込む余地がありません。モデルが登場する時点で、証拠はすでに出そろっているからです。
実際上の意味はこうです。ここで「実在する」と判定された参考文献は、タイトルと著者の両方で実在のレコードと一致しており、そのレコードは実際に開けます。「それらしく見える」というモデルの印象ではありません。
参考文献一覧を処理する速さ
1 件を確認するだけでも、複数の情報源に何度も問い合わせます。それを 1 件ずつ順番にやることが、長い文献一覧で遅く感じる原因です。私たちは並列に走らせ、終わったものから順に返します。
- 並列で処理する参考文献数
- アプリでは 20 件ずつ、API では 100 件ずつ
- 50 件の参考文献リスト
- 50 件を順番待ちにするのではなく、3 波の並列照会として送ります
- 届いた順に結果を表示
- 参考文献ごとに逐次配信 —— 残りが処理中でも、先に終わった判定から読めます
- 大量処理
- 指導教員が抱える論文の山は、アプリの 5 倍の並列度で API を通ります
役割の違いを比べる
| 比較する項目 | CiteTrue | ZeroGPT |
|---|---|---|
| 答えている問い | これらの参考文献は実在し、主張を裏づけているか | この文章は AI が書いたように見えるか |
| その答えは検証できるか | できます —— どの判定にも、根拠となったレコードへのリンクがあります | できません —— 確率スコアだけで、開いて確かめられるものが背後にありません |
| 誤った告発 | 検証に通らなかった場合は該当の参考文献と理由が示されるので、そこから議論できます | 判定ツールが人間の文章を誤って指摘することは知られており、とくに非母語話者で起こりがちです |
| 研究公正の案件で使う | 著者本人に示せる証拠 | 単独の証拠としては広く異論があります |
| 費用 | 1 日 30 件まで無料、その後は $5.99/月から | 無料枠と有料プラン |
| 手軽さ | 参考文献リストを貼り付け、1 件ずつ結果が出ます | 文章を貼り付け、全体で 1 つのスコアが出ます |
では、どちらを使うべきか
ある文書が信頼できるかを見きわめたいのであれば、でっち上げの引用は動かぬ証拠になりますが、判定ツールのスコアはそうではありません。まず参考文献を確認してください —— その結果は著者との話し合いに耐えますが、確率スコアは耐えません。