Le hice al redactor de ensayos en este sitio una pregunta sobre acciones, si la tarea debería prohibirse en las escuelas primarias, y leí el resultado dos veces. La estructura era sólida: un título, una tesis al final de la introducción, tres párrafos del cuerpo cada uno haciendo un punto, una conclusión. No inventó estadísticas, no cotizaciones ni artículos de revistas falsas. Luego llegué al final, donde había agregado una sección de referencias que enumeraba la Asociación Estadounidense de Psicología y Harvard junto a títulos que no existen, cada una citada cortésmente "citación hipotética - Imagine un artículo real". Esa es la forma del problema en una página: la cosa es un andamio competente con una trampa en la parte inferior, y la trampa parece la tarea ya hecha.
TL;Dr: Un modelo de lenguaje pequeño escribe un primer borrador bien estructurado y no tiene evidencia utilizable. Medida en dos corridas de este: Recuentos de palabras aterrizaron dentro del 8% del objetivo, cero estadísticas o citas inventadas, pero cuatro citas de marcadores de posición que nombran instituciones reales además de títulos imaginarios. Use el borrador para su esqueleto, reemplace cada oración de su contenido con el suyo propio y verifique la política de su institución antes de que cualquiera de ellas se acerque a una tarea. También sepa que los detectores de IA no son una verificación confiable de nada de esto, en ninguna dirección.
¿Qué hace bien realmente?
estructura, y eso no es nada.
La parte difícil de un primer borrador para la mayoría de la gente no son las oraciones, es la forma: a dónde va la tesis, cuántos puntos necesita el cuerpo, para qué sirve un párrafo. Un modelo entrenado en una gran cantidad de prosa expositiva tiene esa forma memorizada. Ambos borradores que generé pusieron la tesis como la oración final de la introducción, le dieron a cada párrafo del cuerpo una única afirmación y cerraron sin introducir material nuevo. Ese es el estándar que se enseña en cada clase de composición, ejecutado correctamente en el primer intento.
El control de longitud fue mejor de lo que esperaba. Cuando se le pidió 500 palabras, las dos carreras produjeron 538 y 526. Eso importa porque rellenar un conteo de palabras es la otra cosa en la que los estudiantes pierden horas, y ver un borrador del tamaño correcto le dice cuánto espacio ocupan los tres puntos.
Lo que está haciendo es completar el patrón sobre el texto en forma de ensayo. Eso lo hace bueno en las partes de un ensayo que son convencionales y malos exactamente en las partes que se supone que son suyas.
¿Conforma fuentes?
No del todo, y la distinción importa más que un sí o un no.
El mensaje detrás de esta herramienta le indica al modelo que no invente citas, estadísticas o fuentes, y que describa el tipo de fuente que debe citar en su lugar. Medido en ambas ejes, que se mantuvo: No hay porcentajes, no se muestran "estudios", no se fabrican DOI, no se inventan nombres de autor con años plausibles.
Lo que apareció en cambio fue una sección de referencias de este formulario:
2. ... Research Publication, [Year]. (Hypothetical citation - imagine a real article)
3. American Psychological Association, "Homework and Academic Achievement", [Year].
(Hypothetical Citation - imagine a real report)
Lea atentamente, eso es honesto. está etiquetado. Te dice que encuentres la cosa real. Pero nombra una organización real junto a un título que la organización nunca publicó, y está sentada en una lista numerada bajo un encabezado, que es la forma visual exacta de una bibliografía terminada. Un estudiante cansado a la 1 a.m. borra las palabras entre paréntesis y las envía. Ese no es un modo de falla hipotética, es el obvio, y vale la pena nombrarlo porque la propia precaución de la herramienta es lo que la crea.
La regla que sigue: trata cualquier cosa que se parezca a una cita en un borrador de IA como una nota para ti mismo sobre qué ir y encontrar. nunca como referencia.
¿Por qué las modelos pequeñas alucinan en absoluto?
Porque no están recuperando nada. Un modelo lingüístico predice posibles continuaciones, y una cita de aspecto plausible es una continuación probable de una oración que necesita evidencia. No hay búsqueda, ni base de datos, ni momento en que el modelo verifique si la APA publicó ese informe.
El tamaño empeora esto. Esta herramienta ejecuta Gemma 3 1B, un modelo de un millón de parámetros, elegido porque se ajusta a un servidor solo de CPU y se puede ofrecer de forma gratuita. Los modelos más pequeños tienen detalles menos memorizados y se inclinan más en el patrón, por lo que son más propensos a la invención confiada que los comerciales grandes. La competencia estructural sobrevive al pequeño tamaño; la fiabilidad no es.
Por eso también no sabe nada reciente. No hay ningún paso de navegación, por lo que no existe nada que haya sucedido después de que se reunieron sus datos de capacitación.
¿Lo atrapará el detector de IA de un maestro?
Esa es la pregunta equivocada, y la respuesta honesta es incómoda en ambas direcciones: los detectores atrapan el trabajo que no estaba escrito y faltan al trabajo que era.
OpenAI, que tenía todas las razones comerciales para hacer que la detección funcione, Retiró su propio clasificador de texto de IA el 20 de julio de 2023 por su baja precisión. Su propia evaluación publicada antes de eso: el clasificador identificado correctamente 26% de texto escrito por IA, mientras se marca 9% de texto escrito por humanos como escrito por IA. Una herramienta que capta una cuarta parte de lo que está buscando y acusa falsamente a casi uno de cada diez escritores inocentes no es una herramienta, y sus creadores lo dijeron retirándolo.
Los falsos positivos tampoco están distribuidos uniformemente. Liang y sus colegas en Stanford probaron siete detectores en escritura de hablantes nativos y no nativos de inglés y descubrieron que Constantemente clasificada erróneamente la escritura no nativa como generada por IA, publicado en modelos en 2023. El mecanismo es perplejidad: los detectores marcan el texto cuyas opciones de palabras son predecibles, y un escritor competente que trabaja en un segundo idioma produce exactamente eso. La recomendación propia de los autores es que estos detectores no se utilicen en entornos evaluativos o educativos.
SO: No confíes en un detector para reivindicarte, y no asumas que uno te atrapará. Tampoco es una razón para presentar trabajo de IA donde no esté permitido. La razón no es que no está permitido, y las personas que marcan su trabajo generalmente pueden decirlo por otros medios.
¿Cuál es la forma honesta de usar un borrador como este?
Tres usos que sobreviven al escrutinio, y uno que no.
como una forma para discutir. Genere el borrador, lea sus tres puntos y observe con cuál no está de acuerdo. El desacuerdo es tu ensayo. Esto es lo más útil que hace, porque reaccionar a una posición es mucho más fácil que inventar una desde una página en blanco.
como un chequeo de su propia estructura. Escribe primero tu ensayo, luego genera uno y compara los esqueletos. Si el modelo encontró un punto que se perdió, vaya e investigue correctamente.
como muestra de vocabulario y registro. El entorno de nivel académico cambia la forma formal de la prosa. Ver la diferencia entre las versiones de secundaria y graduados del mismo argumento enseña algo sobre el registro que es difícil de explicar de forma abstracta.
No como una cosa para someter. Muchas instituciones prohíben o restringen el trabajo escrito por IA, y las políticas difieren según el curso, no solo por la universidad. Revisa el tuyo antes de usar cualquiera de esto en una tarea. Cuando está permitido, la divulgación suele formar parte del permiso.
¿El borrador se lee como escrito a máquina?
Sí, y de manera medible, de manera que sea fácil de aprender a detectar.
Ejecuté ambos borradores a través de los mismos cheques que este sitio aplica a su propia escritura. A lo largo de aproximadamente 530 palabras cada una, la producción llevó cinco guiones en y, de la lista de palabras que marcan la prosa, "foster" tres veces, además de "holístico" y "crucial". Ninguno de esos es un inglés incorrecto. Todas ellas son las palabras que busca un modelo cuando un humano elegiría algo más claro: animar más bien que criar, el todo más bien que holístico, importante más bien que importante.
Los otros relatos son estructurales. Cada párrafo tiene aproximadamente la misma longitud. Cada lista usa la misma forma. La conclusión reafirma la introducción con las palabras intercambiadas. Un marcador que lee cuarenta ensayos a la semana nota este patrón mucho antes de que alcancen un detector, que es la verdadera razón por la que la pregunta del detector no está al lado.
Si estás reescribiendo un borrador en tu propia voz, esas son las cosas para atacar primero: varía las longitudes de los párrafos, corta el guión, reemplaza el sustantivo abstracto con el concreto y haz que la conclusión diga algo que la introducción no.
¿Por qué tarda tanto?
Porque se ejecuta en una CPU compartida en lugar de una GPU, y esa operación es lo que la hace libre.
Medido en el sitio en vivo, se llevó un borrador de 500 palabras 170 segundos de la solicitud a la palabra final. Esa es la opción más corta. Un ensayo de 1500 palabras toma proporcionalmente más tiempo. El texto se transmite tal como está escrito, por lo que puede leer la apertura mientras llega el resto, lo que hace que la espera sea menos obvia de lo que sugiere el número.
El diseño alternativo sería una API comercial, que responde en unos segundos, cuesta dinero por solicitud y envía su tema a un tercero que pueda conservarlo. Este envía su tema a través de HTTPS a un servidor que construye el prompt, ejecuta el modelo, devuelve el texto y no guarda nada: el tema y el borrador se utilizan para escribir la respuesta y luego descartados, no registrados, no se usan para la capacitación, no se pasan a ninguna empresa de IA. Para un tema de ensayo que generalmente no es sensible. Para el borrador de una declaración personal, importa.
¿Qué debes comprobar antes de enviar cualquier cosa?
Una lista corta, en el orden que más se agarra.
- la política de su institución, antes que nada. Las reglas a nivel de cursos a menudo difieren de las de nivel universitario.
- Cada afirmación fáctica, contra una fuente real que ha abierto. El borrador no habrá inventado una estadística, pero habrá afirmado las cosas con confianza sin evidencia detrás de ellas.
- cada cita, lo que en la práctica significa reemplazarlos todos.
- la voz, que es donde la lista de palabras anterior gana su mantenimiento.
- el argumento, el último. Si todavía estás de acuerdo con los tres puntos de la modelo después de investigarlos, has escrito el ensayo del modelo en lugar del tuyo.
Para la reescritura en sí, el Herramienta de paráfrasis cambia la redacción pero no la sustancia y no arreglará ninguno de los anteriores, y ejecutando un borrador a través de la Humanizador de texto aborda los relatos en lugar del pensamiento. Tampoco es un sustituto de tener algo que decir.
¿Qué pasa con el conteo de palabras y el formato?
Ambos se manejan mejor después, por herramientas que son seguras en lugar de probabilísticas.
Un modelo que pide 500 palabras produce aproximadamente 500 palabras, lo cual está bien hasta que un escrito dice "500 palabras como máximo" y el borrador aterriza en 538. Pegue el texto final en el contador de palabras y conocer el número en lugar de estimarlo. Lo mismo ocurre con el nivel de lectura y la longitud de las oraciones, que a la mayoría de los marcadores se preocupan más de lo que admiten.
El formato es la otra cosa que vale la pena separar. El borrador llega como texto sin formato con títulos de estilo Markdown, lo cual es conveniente para la edición y mal para enviar en la mayoría de los cursos. Conviértelo una vez al final, cuando las palabras hayan dejado de cambiar, en lugar de combatir el formato a través de seis revisiones.
¿Los siete tipos de ensayos cambian algo?
Más que el nivel académico, lo que me sorprendió.
La herramienta ofrece argumentos, persuasivos, expositivos, narrativos, descriptivos, comparados y contrastados, y causa y efecto. Esas no son etiquetas cosméticas en el mismo borrador: cambian el trabajo que están haciendo los párrafos del cuerpo. Un borrador argumentativo toma una posición y lo defiende contra una objeción implícita. Una expositiva explica sin tomar parte, por lo que los párrafos se convierten en categorías en lugar de afirmaciones. Comparar y contrastar reorganiza todo en torno a dos sujetos, lo que fuerza una estructura punto por punto o una estructura de bloques, y el modelo lo elige y lo mantiene.
El nivel académico hace menos. Ajusta el vocabulario y la cantidad de cobertura que aparece, por lo que la versión de graduado de un argumento dice "La evidencia sugiere" donde dice "Esto se muestra". El argumento subyacente suele ser los mismos tres puntos. Vale la pena saberlo si esperaba que el entorno de posgrado produjera el pensamiento de nivel de posgrado: produce un registro de nivel de posgrado sobre el mismo razonamiento.
La consecuencia práctica es elegir el tipo con cuidado y el nivel casualmente. Un borrador persuasivo cuando lo necesitas es un ensayo estructuralmente erróneo; un borrador de la escuela secundaria cuando lo necesitas es veinte minutos de reformulación.
¿Es mejor un modelo comercial grande para esto?
Al escribir, sí. En las cosas que te meten en problemas, no obviamente.
Un modelo grande escribe con más fluidez, mantiene unido un argumento más largo y es mucho menos probable que produzca el patrón de citación de marcador de posición descrito anteriormente. Si el único criterio es la calidad de la prosa, gana y no está cerca.
Tres cosas que no arregla. Todavía no tiene un paso de búsqueda, por lo que aún se inventa con confianza: las fallas son más raras y, por lo tanto, más difíciles de atrapar, lo que no es lo mismo que más seguro. Todavía produce los relatos estructurales, porque provienen de la distribución del entrenamiento en lugar de del tamaño del modelo. Y generalmente conserva su texto: la mayoría de los asistentes comerciales mantienen conversaciones de forma predeterminada, y algunos las usan para la capacitación a menos que opte por no participar, que es una propuesta diferente cuando el documento es una declaración personal o un capítulo de tesis no publicado.
Ese es el comercio que esta herramienta hace deliberadamente: un modelo más pequeño y menos fluido que se ejecuta en un servidor que no mantiene nada, que se ofrece gratis. Para una pregunta de ensayo de acciones, use lo que mejor escriba. Para cualquier cosa que no pegarías en un foro público, la pregunta de retención es la que debes hacer primero. El mismo razonamiento se transfiere Cómo escribimos todo aquí, donde los tests se catalogan con más detalle de lo que esta página tiene espacio para.
