LLM Cliché Highlighter là công cụ biên tập, không phải công cụ phát hiện AI
Simon Willison vừa làm một tool nhỏ chạy trên trình duyệt để tô đậm những cụm từ xuất hiện với tần suất bất thường trong output của language model. Dán text vào, các dấu hiệu được đánh dấu.
Đáng để hiểu chính xác nó làm gì, vì cái công dụng hiển nhiên nhất — bắt lỗi người khác — lại là thứ nó làm dở nhất.
Nó thực sự phát hiện cái gì
Tool tìm khoảng mười pattern lặp lại trong văn do AI sinh ra. Trong đó có:
- Chuỗi “no X, no Y”
- “sit with that”
- “you already know”
- “is real and”
- “worth naming”
Nếu bạn đã đọc nhiều văn LLM, mấy cụm này đập vào mắt ngay. Đó là thói quen ngôn ngữ của một model đang cố nhấn mạnh: phủ định theo nhịp, sự thân mật giả tạo, quãng ngừng ra vẻ thâm thúy.
Tool chạy client-side và lưu bản nháp vào localStorage. Nó cũng có thể kéo text từ một URL, thông qua dịch vụ bên thứ ba r.jina.ai — nên biết trước điều này trước khi trỏ nó vào thứ gì bạn không muốn gửi ra ngoài. Dán text trực tiếp thì tránh được hoàn toàn.
Lưu ý là không có repository công khai hay word list tải về được, nên bạn không thể xem hay mở rộng bộ pattern. Với một tool mà toàn bộ giá trị nằm ở cái danh sách, đó là hạn chế thật sự.
Vì sao nó không thể phát hiện văn AI
Tool khớp chuỗi cố định. Điều đó tạo ra hai kiểu sai mà không tinh chỉnh nào sửa được:
Dương tính giả. Người thật vẫn dùng những cụm này. “You already know” là tiếng Anh bình thường. Một người tình cờ viết theo nhịp sẽ làm sáng đèn cả bài trong khi tự tay viết từng chữ.
Âm tính giả. Bảo model tránh lối diễn đạt sáo và phần lớn nó sẽ tránh được. Danh sách chỉ bắt được output lười, để nguyên mặc định — đúng loại text vốn đã lộ liễu sẵn. Nó không nói được gì về văn LLM viết cẩn thận, mà đó lại là loại duy nhất đáng phát hiện.
Đây là vấn đề chung của mọi tool phát hiện AI, và là lý do dùng nó để buộc tội là không thể biện hộ. Một danh sách cụm từ không phải bằng chứng. Nếu bạn định đưa bài viết của đồng nghiệp hay học viên vào đây, đừng — tool không đủ sức chống đỡ cho kết luận bạn sẽ rút ra.
Chỗ nó thực sự hữu ích
Hãy chĩa nó vào bản nháp của chính bạn.
Nếu bạn viết có sự hỗ trợ của LLM — và nếu bạn xuất bản nội dung kỹ thuật năm 2026 thì gần như chắc chắn có, ở đâu đó trong quy trình — các dấu hiệu len vào mà bạn không nhận ra. Bạn đọc lại bản nháp, thấy ổn, rồi publish. Người đọc đã quen tai thì nhận ra ngay, và bạn mất uy tín cho một bài viết có thể hoàn toàn chính xác về nội dung.
Một workflow cụ thể:
- Viết nháp với bất kỳ trợ giúp nào bạn đang dùng.
- Đưa kết quả qua highlighter trước khi publish.
- Viết lại từng cụm được tô đậm bằng lời của bạn — không phải bằng cách đổi từ đồng nghĩa, mà bằng cách tự hỏi mình thực sự muốn nói gì.
Bước 3 mới là bước có giá trị. Sáo ngữ thường đánh dấu đúng những chỗ mà câu văn đang độn chữ chứ không nói điều gì. Viết lại chúng thường làm đoạn văn ngắn hơn và cụ thể hơn — một cải thiện bất kể ai viết bản nháp đầu tiên.
Cái danh sách mới là sản phẩm
Lý do tool này thú vị dù về kỹ thuật nó tầm thường: nó là regex chạy trên một danh sách được tuyển chọn, và chính việc tuyển chọn là toàn bộ giá trị. Ai cũng viết được phần matcher trong hai mươi phút. Biết mười cụm nào cần đưa vào thì đòi hỏi đã đọc lượng output khổng lồ và nhận ra quy luật.
Điều đó cũng giải thích vì sao cách tiếp cận này không mang sang ngôn ngữ khác được. Các pattern là tiếng Anh. Output LLM tiếng Việt có dấu hiệu riêng — cụm từ khuôn mẫu khác, nhịp khác — và không cái nào trùng với danh sách này. Đưa text tiếng Việt vào tool sẽ trả về không có gì được tô đậm, nghĩa là “không tìm thấy sáo ngữ” chỉ theo nghĩa tool đang nói sai ngôn ngữ.
Xây bản tương đương cho ngôn ngữ khác không phải bài toán code. Đó là bài toán biên tập: phải có người đọc thật nhiều output rồi ngồi viết danh sách ra.
Thử đi
Tool ở tools.simonwillison.net/llm-cliche-highlighter.
Đưa một thứ bạn viết tháng trước vào đó. Kết quả đáng chú ý không phải là bao nhiêu cụm sáng đèn — mà là bạn có đồng ý với những chỗ được tô đậm khi đọc lại câu văn hay không.
Nguồn: LLM cliché highlighter, blog của Simon Willison.