ChatGPT bịa đặt nguồn không? Có: 7% đến 69% trích dẫn của nó, tùy nghiên cứu

ChatGPT bịa đặt nguồn thường xuyên đến mức nào? 7% đến 69% trích dẫn, tùy mô hình và năm

ChatGPT bịa đặt nguồn với tỷ lệ đo được là 7% đến 69% số trích dẫn nó tạo ra, tùy vào mô hình và năm bạn xem xét. Phép đo cũ nhất là tệ nhất: Gravel và cộng sự hỏi ChatGPT các câu hỏi y khoa đầu năm 2023 và thấy 41 trong 59 tài liệu tham khảo, tức 69%, là bịa. Phép đo mới nhất là tốt nhất: Bernstein và cộng sự yêu cầu ChatGPT-5 có bật duyệt web đưa tài liệu cho 70 khuyến nghị trong hướng dẫn chỉnh hình đầu năm 2026 và thấy 7,13% không tồn tại. Không nghiên cứu nào cho kết quả bằng 0, và trong lần chạy riêng của chúng tôi, một DOI mở ra bình thường lại dẫn tới sai bài báo.

Bốn hàng là bốn nghiên cứu khác nhau với bốn nhiệm vụ khác nhau, nên hãy đọc biểu đồ như một xu hướng chứ không phải một đường cong. Bảng dưới đây gồm mọi nghiên cứu chúng tôi mở được tại nguồn, kèm năm truy vấn mô hình, cỡ mẫu và tỷ lệ trích dẫn không tồn tại. Tài liệu y khoa, pháp lý và học thuật nói chung đều có mặt vì lỗi này giống nhau ở mọi lĩnh vực.

Hai điều trong bảng đó quan trọng hơn các tỷ lệ tiêu đề. Thứ nhất, phần bịa chỉ là một nửa thiệt hại: trong Walters và Wilder, "55% trích dẫn của GPT-3.5 nhưng chỉ 18% trích dẫn của GPT-4 là bịa. Tương tự, 43% trích dẫn có thật (không bịa) của GPT-3.5 nhưng chỉ 24% trích dẫn có thật của GPT-4 chứa lỗi trích dẫn đáng kể." Một tài liệu tồn tại nhưng sai năm, sai tập hoặc sai tác giả cũng bị người phản biện loại như thường. Thứ hai, tỷ lệ thay đổi theo mức độ ít người biết của chủ đề. Linardon và cộng sự yêu cầu GPT-4o viết tổng quan về ba rối loạn và nhận được 6% trích dẫn bịa với trầm cảm nặng, 28% với rối loạn ăn uống vô độ và 29% với rối loạn dị dạng cơ thể. Câu hỏi càng hẹp, phần câu trả lời bị đoán càng nhiều.

Vì sao ChatGPT bịa đặt nguồn? Nó viết ra hình dạng của một trích dẫn, không phải bản ghi thật

ChatGPT bịa đặt nguồn vì nó tạo ra những từ tiếp theo có khả năng cao nhất, và một trích dẫn là chuỗi rất đều đặn: họ, chữ cái đầu, năm, tiêu đề, tạp chí, tập, số trang, DOI. Mọi phần của khuôn mẫu đó đều dễ viết tiếp và không phần nào được tra cứu. Mô hình viết ra tài liệu tham khảo chưa từng mở một cơ sở dữ liệu nào, nên không có gì trong quá trình đó phân biệt được bản ghi thật với một bản ghi đúng định dạng.

Chính các nhà nghiên cứu của OpenAI nói rằng nửa còn lại của cơ chế nằm ở khâu huấn luyện. Trong Why Language Models Hallucinate (Kalai, Nachum, Vempala và Zhang, tháng 9 năm 2025), phần tóm tắt mở đầu: "Giống như học sinh gặp câu hỏi thi khó, các mô hình ngôn ngữ lớn đôi khi đoán khi không chắc, tạo ra những phát biểu hợp lý nhưng sai thay vì thừa nhận sự không chắc chắn." Một trích dẫn đoán mà trúng thì được điểm; "tôi không biết" thì không được điểm nào; nên mô hình học cách đoán. AI ảo giác là gì trình bày đầy đủ bài báo đó.

Những thứ bịa ra hiếm khi ngẫu nhiên. Trong lần chạy dưới đây, mô hình đưa ra một cặp tác giả có thật từng xuất bản trên Journal of Adolescent Health năm 2006 về caffeine và thanh thiếu niên, rồi viết sai tiêu đề, sai số phát hành, sai số trang và một DOI thuộc về bài báo khác. Mỗi trường thông tin đều được lấy từ vùng lân cận của sự thật. Đó là lý do một trích dẫn giả qua được cái nhìn lướt và vì sao các bước kiểm tra ở phần thứ tư đối chiếu các trường với nhau thay vì đối chiếu trích dẫn với trí nhớ của bạn.

Tìm kiếm web có ngăn ChatGPT bịa đặt nguồn không? Nó giảm tỷ lệ, không về 0

Tìm kiếm web giảm mạnh trích dẫn bịa nhưng không loại bỏ chúng. ChatGPT-5 có bật duyệt web vẫn bịa 7,13% trong 2.736 tài liệu tham khảo ở nghiên cứu năm 2026 của Bernstein và cộng sự, với phần tóm tắt kết thúc: "Lỗi trích dẫn và tài liệu tham khảo bịa vẫn tồn tại ở ChatGPT-5. Vì vậy vẫn cần xác minh độc lập các tài liệu tham khảo được tạo ra." Trên 53.090 URL được các mô hình tăng cường tìm kiếm và tác tử nghiên cứu sâu trích dẫn, Rao, Wong và Callison-Burch (tháng 4 năm 2026) thấy 3% đến 13% trỏ tới những trang không tồn tại, và tác tử trích dẫn nhiều nhất cũng ảo giác nhiều nhất. Trong lĩnh vực luật, nơi truy xuất được tích hợp sẵn, Magesh và cộng sự của Stanford (2024) thấy các công cụ Lexis+ AI và của Thomson Reuters "mỗi công cụ ảo giác từ 17% đến 33% số lần".

Chúng tôi tự chạy phép so sánh vào ngày 27 tháng 9 năm 2026, trên GPT-5.6 Luna qua Whizi, nơi tìm kiếm web là một nút bật tắt trong khung soạn tin. Một câu lệnh, gửi hai lần, một lần tắt tìm kiếm và một lần bật: "List five peer-reviewed journal articles on caffeine and sleep latency in adolescents. For each give authors, year, article title, journal, volume, pages and DOI." Sau đó mọi DOI được đưa tới doi.org và API Crossref, và bản ghi trả về được so từng trường với những gì mô hình đã viết.

Không lần chạy nào cho đủ năm bài. Khi tắt tìm kiếm, mô hình đưa ra hai bài và từ chối phần còn lại, viết rằng nó không muốn "bịa hoặc nêu sai chi tiết DOI"; khi bật tìm kiếm, nó đưa ra ba bài kèm liên kết PubMed và nói kết quả không hỗ trợ thêm hai bài nữa. Trích dẫn xấu duy nhất đến từ lần chạy tắt tìm kiếm, và nó thuộc loại đáng học: DOI mở được, nên chỉ kiểm tra DOI là qua, và chỉ việc đọc tiêu đề trên trang đích mới phát hiện ra. Có hai lưu ý. Lần chạy này qua Whizi, nơi lời nhắc hệ thống của chính Whizi có tác động, nên đây là một mô hình vào một ngày, không phải một tỷ lệ. Và Whizi thua ở đúng điều trang này bàn đến: tính đến tháng 9 năm 2026 nó chưa có công cụ kiểm tra trích dẫn, nên một liên kết trong câu trả lời vẫn là liên kết bạn phải tự mở, và chưa ai đo 280+ mô hình của nó ở nhiệm vụ này, nên bộ chọn không cho bạn biết mô hình nào bịa ít nhất. Điều nút tìm kiếm web làm được là cho mô hình các trang trực tiếp để trích dẫn, và đó là nguồn của ba tài liệu đã kiểm tra khớp.

Làm sao kiểm tra một trích dẫn của ChatGPT trong 60 giây? Bốn bước, theo thứ tự này

Bạn kiểm tra một trích dẫn của ChatGPT bằng cách đối chiếu các trường của nó với cơ sở dữ liệu: tìm đúng tiêu đề, mở DOI và đọc trang đích, đối chiếu tập và số trang với năm của tạp chí, rồi mở danh sách công bố của tác giả. Mỗi bước bắt được lỗi mà bước trước bỏ sót, và cả chuỗi mất khoảng một phút cho mỗi tài liệu sau khi bạn đã làm hai lần.

1. Tìm đúng tiêu đề. Dán tiêu đề trong dấu ngoặc kép vào Google Scholar hoặc ô tìm kiếm Crossref. Một bài thật xuất hiện một lần, với cùng các tác giả. Không có kết quả, hoặc kết quả có tác giả khác, là dừng kiểm tra: trích dẫn không dùng được như đã viết.
2. Mở DOI, rồi đọc. Dán DOI sau https://doi.org/. Lỗi 404 nghĩa là DOI bị bịa. Một trang tải được vẫn chưa phải là đạt, nên hãy đọc tiêu đề trên đó. Trích dẫn Orbeta của chúng tôi mở ra bình thường một bài về HPV, và bản ghi Crossref cho thấy tập 37, số 6, năm 2005, so với 38(3), 2006 mà mô hình viết.
3. Tập và số trang so với năm. Trên trang của tạp chí, mở tập mà trích dẫn nêu và xác nhận năm cùng khoảng trang. Walters và Wilder thấy 24% trích dẫn có thật của GPT-4 sai ở một trường đáng kể, và đây là bước làm lộ những chỗ sai đó.
4. Danh sách công bố của tác giả. Mở hồ sơ Google Scholar, hồ sơ ORCID hoặc trang khoa của tác giả đầu và tìm bài ở đó. Hai tác giả có thật nhưng chưa từng viết cùng nhau là kiểu bịa phổ biến, và nó vô hình cho đến bước này.

Việc kiểm tra nhanh hơn nếu mô hình phải đưa mã định danh cho bạn. Thêm dòng này vào mọi yêu cầu nguồn: "Give the DOI and the PubMed ID for every reference, and mark any reference you cannot give a DOI for as unverified." Mô hình bật tìm kiếm sẽ kèm liên kết; mô hình tắt tìm kiếm sẽ hoặc đưa DOI bạn mở được hoặc thừa nhận không có, đúng như nó đã làm trong lần chạy của chúng tôi. Đừng bao giờ hỏi mô hình xem trích dẫn của chính nó có thật không: lời xác nhận được tạo ra theo cùng cách như trích dẫn. Cách kiểm chứng câu trả lời của AI là phương pháp hai phút chung cho nhận định, con số và trích dẫn lời; chuỗi bước này là phần dành riêng cho trích dẫn tài liệu.

Với tài liệu bạn sẽ nộp, lưu hồ sơ hoặc công bố, hãy làm cả bốn bước. Với tài liệu bạn chỉ đọc, bước 1 là đủ để quyết định có nên đọc tiếp hay không.

ChatGPT có phải nguồn đáng tin không? Không phải cho chính trích dẫn, và tòa án đã định giá điều đó

ChatGPT không phải nguồn đáng tin cho một trích dẫn, vì trích dẫn là một nhận định về bản ghi chứ không phải bản ghi; nó là cách nhanh để tìm các bài báo ứng viên mà bạn sau đó mở bản ghi thật. Sự phân biệt đó có một hóa đơn đang chạy. Cơ sở dữ liệu của Damien Charlotin về các phán quyết của tòa án trong đó một bên dựa vào tài liệu ảo giác đã liệt kê 2.086 vụ tính đến ngày 27 tháng 9 năm 2026, trong đó 1.430 vụ ở Hoa Kỳ, 828 vụ do luật sư nộp và 33 vụ do thẩm phán. Đó là những hồ sơ mà tòa án đã phát hiện và ghi lại. Vì sao AI trả lời sai bàn về những lỗi không bao giờ đến được tay thẩm phán.

Vậy quy tắc quyết định là: trích dẫn từ một mô hình trò chuyện chỉ là manh mối cho đến khi một cơ sở dữ liệu nói khác, và một manh mối đáng đúng bằng một phút cần để kiểm tra.