এআই যুগের গবেষণাপত্র “rather than” সাত গুণ বেশি বলে

বড় ভাষা মডেল এখন বৈজ্ঞানিক গবেষণাপত্রের একটি বড় অংশ লিখতে সাহায্য করে, আর তারা ছাপ রেখে যায়: প্রিয় শব্দ, একটি নির্দিষ্ট সুর। একটি অভ্যাস প্রাকৃতিক ভাষা প্রক্রিয়াকরণের (NLP) গবেষকদের বিরক্ত করতে শুরু করেছে: “X rather than Y” (Y-এর বদলে X) কাঠামোয় গড়া বাক্য, যা একটি দাবিকে আংশিকভাবে সংজ্ঞায়িত করে সেটি কী নয় তা দিয়ে। গবেষণাপত্রটি অনুযায়ী, NLP সম্মেলনে জমা পড়া সাম্প্রতিকতম দফার পর্যালোচকেরা এ নিয়ে অভিযোগ করেছেন, আর সম্মেলনের আয়োজকেরা এখন “এআই-এর গতানুগতিক ছাঁচে ভরা” (AI-trope-ridden) লেখা নিয়ে আলোচনা করেন।

স্পেনের আ কোরুনিয়া বিশ্ববিদ্যালয়ের ওলগা জামারায়েভা (Olga Zamaraeva), আদ্রিয়ান গুদে (Adrián Gude), রোই সান্তোস-রিওস (Roi Santos-Ríos) ও কার্লোস গোমেস-রোদ্রিগেস (Carlos Gómez-Rodríguez) এটি মাপতে নামেন — এমন একটি শিরোনাম দিয়ে, যা নিজেই কথাটা বলে দেয়।

সাত গুণ বেশি

তাঁরা অ্যাসোসিয়েশন ফর কম্পিউটেশনাল লিঙ্গুইস্টিকসের ২০১৯ সালের সম্মেলনগুলোর ৪,৭৪৪টি গবেষণাপত্রের, যখন এআই লেখার সহকারী সাধারণ ছিল না, তুলনা করেন ২০২৬ সালে একই সম্মেলন-বিন্যাসে arXiv-এ প্রকাশিত ১,৮২১টি NLP গবেষণাপত্রের সঙ্গে।

২০১৯ (নীল) ও ২০২৬ (কমলা) সালের গবেষণাপত্রে প্রতি ১,০০০ শব্দে উপস্থিতি: “rather than” ও “X, not Y” হু হু করে বাড়ে, অথচ “instead of” ও “as opposed to” কমে। — চিত্র ১, Zamaraeva et al. (2026), arXiv:2610.10092.

• “rather than” প্রতি ১,০০০ শব্দে ০.১৩৪ থেকে ০.৯৯৩ বার-এ উঠেছে, প্রায় সাত গুণ বেশি।
• এর সঙ্গে সম্পর্কিত “X, not Y” (X, Y নয়) চার গুণ হয়েছে; এদিকে “instead of” (এর পরিবর্তে) ও “as opposed to” (এর বিপরীতে) কম প্রচলিত হয়েছে।
• ২০২৬ সালের ৯৪% গবেষণাপত্রে “rather than” আছে, ২০১৯ সালে যা ছিল ৩৬%, আর গড়ে তারা এটি প্রায় আটবার ব্যবহার করে। ২০২৬ সালের একটি গবেষণাপত্র এটি ৬৯ বার ব্যবহার করে, মোটামুটি প্রতি ১৭০ শব্দে একবার; ২০১৯ সালের কোনো গবেষণাপত্র ১২ ছাড়ায় না।

দলটি মডেলদের দিয়ে আসল গবেষণাপত্রের শিরোনাম ও সারসংক্ষেপ থেকে সম্পূর্ণ গবেষণাপত্রও লিখিয়েছে। GPT-5.6-sol ও GPT-6-sol প্রতিটি গবেষণাপত্রে কথাটি ব্যবহার করেছে, ২০২৬ সালের লেখকদের চেয়েও বেশি ঘন ঘন। Anthropic-এর Claude Haiku 4.5, Sonnet 5.5 ও Opus 5.5-ও প্রায় প্রতিটি গবেষণাপত্রে এটি ব্যবহার করেছে, কিছুটা কম হারে। একটি উন্মুক্ত মডেল, Tülu 3 8B, তার প্রশিক্ষণের কোনো পর্যায়েই এটি তেমন ব্যবহার করেনি। গবেষণাপত্র সংশোধন করেও অভ্যাসটি দূর হয়নি: একই ২০২৬ সালের গবেষণাপত্রগুলোর পরের arXiv সংস্করণে এটি সামান্য বেশি আছে।

বিরক্তিকর, কিন্তু কোনগুলো?

শুধু ঘনত্ব কিছুই প্রমাণ করে না: কথাটির প্রচুর বৈধ ব্যবহার আছে। তাই দুজন লেখক, যাঁরা অভিজ্ঞ পর্যালোচক, উৎস না জানিয়ে দেখানো ১,০০০টি ব্যবহারকে “বিরক্তিকর” বা “বৈধ” হিসেবে চিহ্নিত করেন।

• ২০১৯ সালের প্রায় কোনো ব্যবহারই তাঁদের বিরক্ত করেনি (একজনের ক্ষেত্রে ১.৬%, অন্যজনের ০%)।
• ২০২৬ সালের প্রায় দশটি ব্যবহারে একটি করেছে (১১.৫% ও ৮.৩%)।
• কোন ব্যবহারগুলো বিরক্তিকর, সে বিষয়ে তাঁরা কদাচিৎ একমত হয়েছেন। কিন্তু যেহেতু ২০২৬ সালের একটি গবেষণাপত্রে এত বেশি ব্যবহার থাকে, লেখকদের অনুমান ২০২৬ সালের প্রায় অর্ধেক গবেষণাপত্রে অন্তত একটি এমন ব্যবহার আছে যা তাঁদের প্রত্যেককে বিরক্ত করে, আর প্রায় দুই-তৃতীয়াংশে এমন একটি যা অন্তত একজনকে বিরক্ত করে — ২০১৯ সালে যা ছিল প্রায় ১%।

বিরক্তিকর ব্যবহারগুলোকে আলাদা করে মূলত প্রত্যাখ্যাত বিকল্পের সঙ্গে তাদের আচরণ। তারা একটি বিকল্পের প্রশংসা আর অন্যটিকে খাটো করার প্রবণতা দেখায়, এবং অন্যরাও বেশি বার প্রত্যাখ্যাত বিকল্পটিকে খড়ের মানুষ (straw man) মনে করেছেন, অর্থাৎ এমন অবস্থান যা কোনো যোগ্য গবেষক সমর্থন করবেন না। পাঠকেরা কথাটিকেই এআই-লেখার লক্ষণ হিসেবে ধরেছেন, অথচ GPT-লিখিত অংশকে ২০১৯ সালে মানুষের লেখা অংশ থেকে আলাদা করতে পারেননি।

Claude-এর ফলাফল, যা এখন পর্যন্ত কেবল একজন টীকাকার চিহ্নিত করেছেন, মিশ্র। Claude-এর প্রথম খসড়াগুলো ২০১৯ সালের গবেষণাপত্রের চেয়ে বেশি বিরক্ত করেনি, আর GPT-6-sol-এর চেয়ে কম। এর সংশোধনগুলো GPT-6-sol-এর সংশোধনের মতোই ঘন ঘন বিরক্ত করেছে, নিজের প্রথম খসড়ার প্রায় দ্বিগুণ। পার্থক্যটি এসেছে “অস্বীকৃতি” (disavowals) থেকে, যেখানে লেখকেরা নিজেদের কাজ সম্পর্কে একটি জোরালো দাবি করতে অস্বীকার করেন (“পরীক্ষিত কার্যপ্রণালীর বদলে একটি অনুমান”), এবং মডেলেরা যখন গবেষণাপত্র সংশোধন করেছে, তখন এগুলো আরও ঘন ঘন এসেছে।

মূল্যায়নকারীদের পুরস্কার

অভ্যাসটি আসে কোথা থেকে? চ্যাটবটগুলোকে উত্তরের জোড়া দিয়ে সূক্ষ্ম-সমন্বয় (fine-tune) করা হয়, যার একটিকে একজন মানুষ বা এআই বিচারক পছন্দ করেন। এমন পছন্দের চারটি সর্বজনীন ডেটাসেটের তিনটিতে “rather than”-যুক্ত উত্তর বেছে নেওয়ার সম্ভাবনা বেশি ছিল, সবচেয়ে স্পষ্টভাবে যখন বিচারকেরা মানুষ। চারটি উন্মুক্ত “রিওয়ার্ড মডেল” একটি বাক্যকে তার “rather than” অংশসহ বেশি নম্বর দিয়েছে, অংশটি ছাড়া কম, এমনকি যখন একই দৈর্ঘ্যের একটি নিরপেক্ষ অংশ তার জায়গা নিয়েছে তখনও। আর একটি মডেলকে “সৎ” হতে বললে সে কথাটি সামান্য বেশি ব্যবহার করেছে।

লেখকেরা অনুমান করেন, এই গঠনটি এ ধরনের প্রশিক্ষণের একটি পার্শ্বপ্রতিক্রিয়া: একটি একক চ্যাটবট উত্তরে একটি সতর্ক অস্বীকৃতি সৎ দেখায়; পুরো গবেষণাপত্র, আর পুরো সাহিত্য জুড়ে বারবার এলে তা ওকালতির মতো শোনায়। কথাটি নিষিদ্ধ করলে সম্ভবত একই কাজ অন্যত্র সরে যাবে, যেমন GPT-6-sol সংশোধনের সময় “rather than”-এর জায়গায় “X, not Y” বসিয়ে করে।

শৈলীটি ছড়িয়ে পড়ছে

গবেষণাটির স্পষ্ট সীমাবদ্ধতা আছে: দুজন টীকাকার যাঁরা লেখকও, আর Claude-এর তুলনা এখন পর্যন্ত তাঁদের মাত্র একজন চিহ্নিত করেছেন; প্যাটার্ন-মেলানো যা কিছু ব্যবহার বাদ দিতে পারে; আর পছন্দের তথ্য যা কেবল সহসম্পর্ক দেখায়। কিন্তু এর উপসংহার একটি কথার বাইরে যায়। মানুষের নামে প্রকাশিত গবেষণাপত্রগুলো এই গঠন গ্রহণ করেছে, তাই বৈজ্ঞানিক সাহিত্যের শৈলী মডেলদের শৈলীর দিকে সরে যাচ্ছে — আর মডেলেরা আবার তা থেকেই শিখবে।

স্বার্থের সংঘাত। লেখকেরা জানান, তাঁরা নিজেদের কোড লিখতে, বিশ্লেষণ চালাতে এবং পুরো গবেষণাপত্র জুড়ে, পদ্ধতি ও ফলাফল অংশসহ, লেখার খসড়া করতে Claude Code (Claude Sonnet 5, Sonnet 5.5 ও Opus 5.5) ব্যবহার করেছেন, তারপর হাতে সম্পাদনা করেছেন — অন্যান্য জিনিসের মধ্যে, তৈরির সময় ঢুকে পড়া দশটি “rather than” সরিয়ে দিয়েছেন। Claude মডেলগুলো অধ্যয়ন করা ব্যবস্থাগুলোর মধ্যেও আছে এবং স্বয়ংক্রিয় মূল্যায়নকারী হিসেবেও কাজ করেছে। এই নিবন্ধটিও Claude-ই লিখেছে।