आत्मविश्वास से लिखे विज्ञान शोधपत्र AI निर्णायकों को प्रभावित करते हैं—योग्यता की परवाह किए बिना

आत्मविश्वास विकास की प्रक्रिया में एक विशिष्ट लाभ है—और जर्मनी के एक नए शोधपत्र के अनुसार, वैज्ञानिक शोधपत्र की समीक्षा उसके सहकर्मियों के बजाय बड़े भाषा मॉडल (बड़े भाषा मॉडल) करें, तब भी यह लाभ देता है। ऐसा अब पहले से अधिक बार करना ज़रूरी हो रहा है, क्योंकि एआई के चलते उत्पादकता में बढ़ोतरी से विज्ञान संबंधी शोधपत्रों की संख्या तेज़ी से बढ़ रही है।

नए अध्ययन में पाया गया है कि AI यानी गैर-मानवीय समीक्षक, आत्मविश्वास और दृढ़ता से लिखे गए वैज्ञानिक शोधपत्रों को लगातार अधिक अंक देते हैं—भले ही उनका मूल शोध कम आत्मविश्वास वाले लहजे में लिखे शोधपत्रों जैसा ही हो। कुछ मामलों में, केवल शब्दावली बदलना ही किसी शोधपत्र को अस्वीकार करने के बजाय स्वीकार करने के लिए पर्याप्त साबित होता है।

लेखक कहते हैं:

‘हमारे प्रयोगों से पता चलता है कि एलएलएम समीक्षक [papers]उच्च आत्मविश्वास वाली भाषा का उपयोग करने वाले शोधपत्रों को काफी प्राथमिकता देते हैं। अहम बात यह है कि इस प्राथमिकता के कारण अक्सर शोधपत्र स्वीकार करने और अस्वीकार करने के बीच निर्णय बदल जाता है, जिससे समीक्षा के नतीजे सीधे प्रभावित होते हैं।

‘हमने पाया कि समीक्षाओं में उठाए गए पहलुओं की आवृत्ति और उनके प्रति व्यक्त रुख, शोधपत्र की भाषाई विशेषताओं के अनुसार बदलते हैं। इससे अंतिम निर्णय प्रभावित हो सकते हैं।’

यह विडंबना ही है कि लेखकों ने जिस समस्या की पहचान की है, वह उस तरीके से बहुत मिलती-जुलती है जिसमें AI हमारे सवालों और निर्देशों के जवाब देते हुए अक्सर ‘पूरे आत्मविश्वास से गलत’ हो सकता है। फर्क यह है कि यहाँ निर्णय मनुष्य लेते हैं और व्यक्ति तथा समूह—दोनों की ज़िम्मेदारी वास्तविक है, चाहे इन शोधपत्रों के पीछे के वैज्ञानिक अपने दावों पर सचमुच विश्वास करते हों या नहीं।

अगर वैज्ञानिक शोधपत्रों के प्रकाशन का फ़ैसला एआई तेज़ी से करने लगे, तो वैज्ञानिक प्रतिस्पर्धी रणनीति के तौर पर ‘ज़्यादा आत्मविश्वास से बात करना’ सीख सकते हैं—खासकर तब, जब उनके शोधपत्रों में खामियाँ हों। इससे कमज़ोर विज्ञान को उपलब्ध ध्यान के लगातार सिकुड़ते दायरे में अनुचित जगह मिल सकती है।

बढ़-चढ़कर बोलकर जीत की ओर

इस अध्ययन* के अनुसार, एआई समीक्षकों ने आत्मविश्वास से लिखे गए शोधपत्रों की विधियों, सिद्धांतों और वैज्ञानिक योगदान की सराहना करने की अधिक संभावना दिखाई, भले ही वे कम दृढ़ता से लिखे गए संस्करणों के समान हों। लेखकों के परीक्षणों में, 504 वैज्ञानिक शोधपत्रों को अलग-अलग शैलियों में दोबारा लिखा गया और छह एआई मॉडल ने उनका मूल्यांकन किया। इनमें GPT-5.5, Claude Sonnet 4.6 और Gemini 3.5 Flash शामिल थे। शोधपत्रों के कृत्रिम या संशोधित संस्करण तैयार करना ज़रूरी था, ताकि वास्तविक शोधपत्रों की असामान्यताओं और विशिष्टताओं से नतीजे प्रभावित न हों:

एक ही वैज्ञानिक अनुच्छेद को चार अलग-अलग शैलियों में दोबारा लिखने के उदाहरण। रंगीन हाइलाइट उन बदलावों को दर्शाते हैं जिनका उद्देश्य लेखन को कम या ज़्यादा आत्मविश्वासी बनाना, या उसे मातृभाषी अथवा गैर-मातृभाषी वक्ताओं द्वारा लिखी गई अकादमिक अंग्रेज़ी जैसा बनाना था। हालाँकि, मूल निष्कर्ष और आँकड़े अपरिवर्तित हैं। स्रोत

शोधपत्र 2026 की International Conference on Learning Representations (ICLR) में जमा किए गए शोधपत्रों में से लिए गए थे। नमूने में स्वीकार किए गए और अस्वीकार किए गए शोधपत्रों की संख्या बराबर थी। Claude Opus 5 ने फिर हर शोधपत्र की वैज्ञानिक सामग्री को अपरिवर्तित रखते हुए उसे कम या ज़्यादा आत्मविश्वास से भरी भाषा में दोबारा लिखा^†। इससे AI समीक्षाओं में आए अंतर का कारण लेखन शैली, यानी व्यक्त आत्मविश्वास के स्तर में बदलाव, माना जा सका।

नतीजों में, एआई समीक्षकों ने आत्मविश्वास से लिखे गए वैज्ञानिक शोधपत्रों को अधिक अंक दिए, भले ही उनके साक्ष्य समान थे। Claude Sonnet 4.6 में सबसे मज़बूत पक्षपात दिखा: उसने आत्मविश्वास से लिखे संस्करणों को सावधानी से लिखे संस्करणों की तुलना में सात गुना अधिक बार प्राथमिकता दी। 21% मामलों में, उसने आत्मविश्वास से लिखे शोधपत्र को स्वीकार करने की सिफ़ारिश की, जबकि उसी शोधपत्र के अधिक सावधानी से व्यक्त संस्करण को अस्वीकार करने की सिफ़ारिश की।

नए अध्ययन में कहा गया है:

‘हमारे निष्कर्ष सहकर्मी-समीक्षा में एलएलएम के उपयोग को लेकर अहम चिंताएँ पैदा करते हैं। यदि सामग्री की दृष्टि से समान शोधपत्रों को केवल भाषाई विशेषताओं के कारण अलग-अलग अंक और समीक्षात्मक तर्क मिलते हैं, तो समीक्षकों के निर्णय केवल वैज्ञानिक गुणवत्ता को नहीं दर्शाते।

‘इसलिए एलएलएम समीक्षकों की जाँच ऐसी पुनर्लेखित सामग्री पर की जानी चाहिए जिसमें विषयवस्तु बरकरार रखी गई हो, ताकि पता चल सके कि भाषाई बदलाव उनके आकलन को व्यवस्थित रूप से प्रभावित करते हैं या नहीं।’

लेखक आगे सुझाव देते हैं कि इन परीक्षणों में शोधपत्रों के अंकों और उनकी लिखित समीक्षाओं—दोनों की स्पष्ट रूप से जाँच की जानी चाहिए, ताकि पता चल सके कि आत्मविश्वास भरी भाषा को अधिक मज़बूत वैज्ञानिक साक्ष्य समझा जा रहा है या नहीं।

पद्धति

2026 की International Conference on Learning Representations (ICLR) में जमा किए गए शोधपत्रों में से कुल 504 वैज्ञानिक शोधपत्र चुने गए। नमूने में स्वीकार किए गए और अस्वीकार किए गए शोधपत्रों की संख्या बराबर रखी गई। सम्मेलन की 21 शोध-श्रेणियों में से प्रत्येक से 24 शोधपत्र लिए गए:

तीन चरणों वाली परीक्षण विधि। वैज्ञानिक शोधपत्रों को इस तरह दोबारा लिखा गया कि उनकी निष्कर्षों को बरकरार रखते हुए अंग्रेज़ी भाषा में लेखक की दिखाई देने वाली दक्षता या आत्मविश्वास का स्तर अलग-अलग हो; फिर एआई समीक्षकों से समान परिस्थितियों में उनका आकलन कराने से पहले शैली और अर्थ में बदलाव की जाँच की गई; और अंत में समीक्षा अंकों के अंतर की तुलना की गई।

हर शोधपत्र की पहचान छिपाकर Claude Opus 5 की मदद से उसका पुनर्लेखन किया गया। इससे ऐसे वैकल्पिक संस्करण तैयार हुए जिनका उद्देश्य दावों को व्यक्त करने के आत्मविश्वास और लेखक की अंग्रेज़ी भाषा में दिखाई देने वाली दक्षता—दोनों की जाँच करना था। आत्मविश्वास की जाँच के लिए, कथनों को या तो अधिक दृढ़ या अधिक सतर्क बनाया गया। ‘स्पष्ट रूप से’ और ‘निश्चित रूप से’ जैसे निश्चितता दर्शाने वाले शब्दों का इस्तेमाल ‘आत्मविश्वासी’ संस्करणों में अधिक बार किया गया, जबकि ‘हो सकता है’ और ‘संकेत देता है’ जैसे सीमित या अनिश्चितता जताने वाले भावों को अधिक सतर्क मसौदों में प्राथमिकता दी गई।

हर मामले में वैज्ञानिक दावे, साक्ष्य, नतीजे, तकनीकी शब्दावली और समग्र संरचना अपरिवर्तित रहे। लेखकों का कहना है कि दोबारा लिखने के निर्देश किसी खास लेखन शैली की नकल करने के सामान्य अनुरोधों के बजाय, भाषा-विज्ञान के स्थापित शोध पर आधारित थे।

दोबारा लिखे गए पाठों की जाँच

जाँच के लिए, हर नए संस्करण की उसके मूल पाठ से अर्थगत समानता के आधार पर तुलना की गई, जिससे पता चलता है कि अंशों का अर्थ बरकरार है या नहीं; साथ ही, TF-IDF समानता भी मापी गई, जो शब्दावली और पारिभाषिक शब्दों के संरक्षण को आँकती है। दोनों के अंक 1 के करीब थे, जो मूल पाठों से मज़बूत समानता की पुष्टि करते हैं:

दोबारा लिखे गए शोधपत्रों की जाँच। आत्मविश्वासपूर्ण संस्करणों में अधिक दृढ़ भाषा का इस्तेमाल हुआ, जबकि सतर्क संस्करणों में अधिक अनिश्चितता व्यक्त की गई। 1 के करीब के अंक मूल पाठों से मज़बूत समानता की पुष्टि करते हैं, और रंगीन हाइलाइट हर लक्षित माप के लिए अधिक अंक दर्शाते हैं।

छह एआई समीक्षकों का परीक्षण किया गया: GPT-5.5, Claude Sonnet 4.6 और Gemini 3.5 Flash जैसे स्वामित्व वाले मॉडल; और Gemma 3, Qwen3 VL तथा GLM 4.7 जैसे ओपन-वेट मॉडल। इन्हें चुनने का एक कारण यह था कि इन सभी की ज्ञान की कटऑफ़ तिथियाँ 2026 से पहले की हैं, जिससे शोधपत्रों के स्वीकृति-संबंधी निर्णयों की पहले से जानकारी होने का जोखिम कम हो जाता है।

सम्मेलन-शैली के दिशानिर्देशों का उपयोग करके हर दोबारा लिखे गए शोधपत्र की स्वतंत्र रूप से समीक्षा की गई। बार-बार किए गए आकलनों में अंकों के संभावित अंतर का पता लगाने के लिए, बेतरतीब ढंग से चुने गए दस शोधपत्रों की हर मॉडल ने दस बार समीक्षा की।

नतीजे

परीक्षणों में यह जाँचा गया कि क्या चुने गए छह एआई समीक्षक लगातार कुछ खास लेखन शैलियों को प्राथमिकता देंगे। साथ ही, ‘आत्मविश्वासपूर्ण’ या ‘सतर्क’ भाषा में लिखे गए शोधपत्रों और मातृभाषी या गैर-मातृभाषी वक्ताओं द्वारा लिखी गई अकादमिक अंग्रेज़ी से मिलते-जुलते शोधपत्रों की तुलना की गई^†।

अलग-अलग शैलियों में दोबारा लिखे गए 504 वैज्ञानिक शोधपत्रों के एआई समीक्षा अंकों की तुलना के नतीजे। पसंद के प्रतिशत बताते हैं कि किस संस्करण को अधिक अंक मिले; कोष्ठक में बराबरी के मामले दिए गए हैं। अनुपात दिखाते हैं कि एक संस्करण को कितनी गुना अधिक बार प्राथमिकता दी गई; और निर्णय में बदलाव बताते हैं कि शब्दावली बदलने से स्वीकृति या अस्वीकृति का निर्णय कितनी बार पलटा। मोटे अक्षरों में दिए गए सांख्यिकीय मान महत्वपूर्ण अंतर दर्शाते हैं। संबंधित खंड नीचे वाला है, क्योंकि ऊपर दी गई परिकल्पना इस लेख में शामिल नहीं की गई है (फुटनोट देखें)।

सभी छह एआई समीक्षकों ने लगातार आत्मविश्वासपूर्ण लेखन को प्राथमिकता दी। सबसे मज़बूत प्राथमिकता Claude Sonnet 4.6 ने दिखाई, जिसने पहले बताए अनुसार, ‘सतर्क’ मसौदों की तुलना में ‘आत्मविश्वासपूर्ण’ मसौदों को सात गुना अधिक बार ऊँचे अंक दिए।

यदि किसी शोधपत्र का अंक 10 में से 4.5 तक पहुँचता, तो उसे स्वीकृत माना जाता था। हालाँकि, लेखन शैली में बदलाव कभी-कभी उसी शोधपत्र का अंक इस सीमा से ऊपर या नीचे ले जाता था और निर्णय पलट जाता था; आम तौर पर ऐसे पलटाव आत्मविश्वासपूर्ण लेखन के पक्ष में होते थे।

Claude Sonnet 4.6 का प्रदर्शन खास तौर पर खराब रहा: उसने 21% मामलों में ‘आत्मविश्वासपूर्ण’ संस्करण को स्वीकार किया, लेकिन ‘सतर्क’ संस्करण को अस्वीकार कर दिया। इसका उलटा केवल 2.8% मामलों में हुआ।

इसका असर लिखित समीक्षाओं में भी दिखा। जब किसी शोधपत्र के दावे आत्मविश्वास के साथ व्यक्त किए गए, तो एआई समीक्षकों ने उसके तरीकों, सिद्धांतों और वैज्ञानिक योगदानों की सराहना करने की अधिक संभावना दिखाई। चूँकि शोध में कोई बदलाव नहीं हुआ था, इसलिए ये अधिक अनुकूल आकलन केवल प्रस्तुति और लहजे के अंतर के कारण ही हो सकते थे।

निष्कर्ष

हर बार जब मनुष्य एआई का इस्तेमाल संकेत-से-शोर अनुपात बढ़ाने के लिए करते हैं—भले ही अनजाने में—तो एआई को समाधान के रूप में आज़माया जाता है। यहाँ इसका मकसद कृत्रिम बुद्धिमत्ता पर शोध-पत्रों की प्रस्तुतियों में हुई भारी वृद्धि से निपटना है; इस उछाल ने हाल के समय में Arxiv की छँटाई की शक्ति और उसके मानदंडों को बढ़ा दिया है। लेकिन अब यह स्पष्ट हो जाना चाहिए कि अग्रणी एलएलएम और उनसे नीचे के सभी स्तरों के मॉडल में अब भी इतनी अधिक विचित्रताएँ हैं कि सामान्य तौर पर उन्हें निर्णायक की भूमिका सौंपना उचित नहीं है—सिवाय उन परिस्थितियों के, जहाँ मापदंड बेहद सख्ती से तय किए गए हों।

ऐसे मामलों में, छोटे पैमाने के एलएलएम को फ़ाइन-ट्यूनिंग या LoRA के ज़रिए विशेष रूप से निर्णायक के रूप में तैयार करना शायद बेहतर होगा। हालाँकि, इसमें कम-से-कम थोड़ी अतिरिक्त मेहनत करनी पड़ती है और शायद थोड़ा अतिरिक्त निवेश भी करना पड़ सकता है, जबकि स्थानीय स्तर पर सामान्य इंस्टॉल करना या एपीआई कॉल करना तेज़ और अपेक्षाकृत सस्ता है।

संक्षिप्त शैली में लिखा गया यह शोध-पत्र फिर भी एलएलएम के आम उपयोगकर्ताओं के लिए औसत से अधिक दिलचस्प हो सकता है, क्योंकि वे एआई के साथ प्रभावी ढंग से काम करने के लिए ‘उत्साह’ को पहले से ही एक ऐसी समस्या के रूप में जानते होंगे, जिससे उन्हें पार पाना पड़ता है। और अगर एलएलएम की इस तरह की समस्याओं को अभी ठीक नहीं किया जा सकता, तो कम-से-कम उन्हें ध्यान में तो रखा जा सकता है।

एआई के मूल्यांकन में इस तरह की सतही समानता को लेकर बहुत अधिक उपहास करने से पहले यह याद रखना उचित होगा कि ज्ञानमीमांसा—निश्चित प्रामाणिकता की खोज—के मामले में ये प्रणालियाँ भी हम सबकी तरह ही भटकी हुई हैं। ऐतिहासिक रूप से हम भी संकेत को ही वास्तविक वस्तु समझने की भूल अक्सर करते आए हैं।

* शीर्षक: ‘सार से अधिक शैली? एलएलएम-आधारित सहकर्मी समीक्षा में भाषाई पक्षपात’

^† या ऐसी अकादमिक अंग्रेज़ी जैसी लगना, जो मातृभाषी या गैर-मातृभाषी वक्ताओं ने लिखी हो—यह एक समानांतर परिकल्पना थी, जिसे शोध-पत्र प्रभावी ढंग से सिद्ध नहीं कर पाया और जिस पर इस लेख में चर्चा नहीं की गई है।

पहली बार प्रकाशित: मंगलवार, 27 अक्टूबर 2026