Нейросеть выдумала источники: как проверить список литературы

«Иванов И.И. Управление персоналом в цифровую эпоху. М.: Юрайт, 2023. 384 с.» — выглядит убедительно? Такой книги не существует, но именно так выглядят источники, которые нейросети вписывают в списки литературы. Разбираем, почему это происходит, как проверить весь список за 20 минут и чем заменить фейковые позиции.

Почему модель «галлюцинирует» источники

Языковая модель не заглядывает в библиотечные каталоги — она продолжает текст статистически правдоподобным образом. Она видела миллионы библиографических записей и отлично выучила их форму: фамилия с инициалами, название в духе дисциплины, уважаемое издательство, свежий год. Содержание при этом не проверяется нигде — получается запись, неотличимая от настоящей до первого поиска.

Коварство в том, что часть источников модель называет верно (классические учебники встречались ей в обучающих данных тысячи раз), и это усыпляет бдительность: проверив две первые позиции, студент верит всему списку.

Чем это грозит на проверке

Библиография — первое, что смотрят при нормоконтроле и рецензировании, и проверяется она за минуты. Достаточно преподавателю не найти пару позиций в eLibrary — и работа возвращается целиком, а всё остальное в ней читается уже с пристрастием. Для дипломных и статей это репутационная история: выдуманный источник в списке расценивается жёстче, чем низкая уникальность.

Проверка списка за 20 минут

Механика простая. Каждое название берёте в кавычки и ищете в eLibrary.ru и Google Scholar. Есть точное совпадение с автором и годом — позиция настоящая, при желании уточните страницы. Совпадений нет вообще — источник выдуман. Частичное совпадение (автор существует, но книга называется иначе или год другой) — модель «склеила» запись из кусочков, такую позицию тоже нельзя оставлять как есть.

На список из 25 позиций уходит 15–20 минут. Проверяйте до оформления по ГОСТ, а не после: переоформлять список дважды обиднее. Правила оформления — в гайде по ГОСТ Р 7.0.100-2018.

Чем заменить фейковые позиции

Искать замену вручную — нормальный путь: eLibrary, КиберЛенинка, Google Scholar по ключевым словам темы дают реальные статьи за вечер. Быстрее — генератор списка литературы: он подбирает источники через настоящий веб-поиск, поэтому выдуманных позиций в нём не бывает, и сразу оформляет список по ГОСТ.

И системный вывод: если работу пишет нейросеть, источники должны приходить из поиска, а не из «памяти» модели. В конвейере Kate подбор литературы — отдельный этап с реальным поиском: 20–30 проверяемых позиций на работу, каждую можно найти и открыть.