🔍 耿同学打假报告

论文信息

• 标题：Spik4lite: Refactoring Neuromorphic Sparsity for Efficient Spiking Neural Networks on Commodity Edge Devices
• 作者：文本中未明确提取到完整作者列表，基金资助单位包含深圳大学等机构。
• 期刊/会议：文本未明确（疑似预印本或刚投递的会议论文，如 AAAI/NeurIPS 级别格式）
• DOI：未提供
• 发表年份：2026 (基于参考文献中最新为2026年及当前日期推断)

综合评定：🟠 高度可疑 (建议深入调查 / 严重学术规范警告)

详细发现

发现 1：引用与方法学异常（第六式）—— “查无此人”的占位符与离谱的空引用

• 位置：第 1 页 Introduction 及全文多处
• 描述：论文的引言部分存在大量未完成的 LaTeX 占位符，引用格式极其崩坏。
• 证据：
  • (Roy et al., ; , )：作者名字后面直接跟着分号和逗号，年份完全缺失。
  • (Wu et al., )：只有作者没有年份。
  • (Li et al., ; , 2024a)：这里更离谱，出现了裸露的逗号和分号。
  • (Deng et al., ; , ; , )：这种“连连看”式的引用在文中比比皆是。
• 严重程度：🟠
• 耿同学解读：这属于学术写作中的“未完工毛坯房”。连基础的参考文献都能大面积漏填，说明这篇论文要么是赶鸭子上架匆忙投递的产物，要么是在复制粘贴不同版本的 LaTeX 源码时发生了严重的缝合怪现象。细节决定成败，引用都能如此敷衍，我们很难相信作者在处理复杂的神经元动力学公式时能保持严谨。

发现 2：文本逻辑与排版严重断裂（第六式 / 第二式）—— 乱码般的结论描述

• 位置：第 7 页，Section 5.3 (Latency Reduction)
• 描述：在描述 DVS-128 Gesture 数据集上的延迟降低性能时，出现了一处无法用正常人类语言逻辑解释的文本拼接错误。
• 证据：原文写道：the improved SDT model reduces the inference latency from, achieving a.5×4000。
  • 这完全是一句病句和乱码的结合体。正常表述应为“reduces the latency from X to Y, achieving a Z× speedup”。
  • 结合 Table 1 中的数据，SDT 在 DVS-128 上的延迟为 1.65s，加入 Spik4lite 后为 0.46s，大约是 3.5 倍加速。但文本中却出现了 a.5×4000 这种不知所云的数字组合。
• 严重程度：🔴
• 耿同学解读：这就像是 PS 拼接图片时忘了对齐边缘一样，这是“文本拼接”的铁证！要么是作者在修改数据时只改了图表忘了改文本（或者反过来），要么就是用了某种自动化工具生成/翻译文本时发生了严重 Bug。这种低级错误在正式学术论文中是致命的。

发现 3：表格数据大面积缺失（第二式）—— 核心数据的“薛定谔状态”

• 位置：第 6 页，Table 1
• 描述：作为一篇主打“高效部署”的论文，Table 1 是最核心的性能对比表。然而，在所有加入 + Spik4lite 的实验组中，关于 SOPs (M) 和 Energy (J) 的数据竟然是空白的。
• 证据：
  • Spikformer-4-384 + Spik4lite：只给出了 Accuracy (94.15%)，后面关于能耗的数据完全丢失。
  • SD-Transformer-2-512 + Spik4lite：同样缺失。
  • 反观 Baseline 组，数据却非常完整（如 822.64 M SOPs, 5.34 J）。
  • 尽管在第 6 页的文字描述中，作者口头声称“2.86 M vs. 9.32 M... 3.42 J vs. 5.42 J”，但核心表格中却没有对应展示。
• 严重程度：🔴 (如果非 PDF 解析问题，则为确凿的排版造假/遗漏)
• 耿同学解读：这就好比卖车的大字报上写着“省油50%”，但底下的参数表里油耗那一栏却是空白的。虽然这可能是因为 PDF 转 TXT 时的格式识别错误（多列合并导致），但如果是原论文即如此，那说明数据呈现极不规范，审稿人看到这里应该直接 desk reject。

发现 4：时间线与基金号的极限操作（第五式）—— 未卜先知的经费？

• 位置：第 8 页，Acknowledgements
• 描述：结合当前日期（2026-05-27），论文中列出的部分科研基金编号在时间逻辑上处于“极限边缘”，甚至存在未卜先知的嫌疑。
• 证据：
  • No. 2026A1515011556 (广东省基础与应用基础研究基金)：以 2026 开头的基金号，通常代表 2026 年度立项。在 2026 年 5 月底，该年度的基金大概率才刚刚下达或处于启动初期，论文就已经完成了大量实验并撰写完毕，时间线极为紧凑。
  • No. JCYJ20250604181612017 (深圳市科技计划)：2025 年 6 月的项目，到 26 年 5 月发论文，一年时间完成 SNN-Transformer 架构设计、边缘设备适配、多数据集训练验证，产出速度堪称“光速”。
• 严重程度：🟡
• 耿同学解读：这种“踩点”发论文的速度，颇有“量产型学术”的味道。虽然不能排除人家就是效率高，但结合前面满篇的 LaTeX 占位符错误，这幅拼图拼出来的画面就很值得玩味了：这极有可能是一篇为了赶某个会议 Deadline 而连夜赶工、甚至来不及校对就提交的半成品。

发现 5：缺失的对照组与无法验证的声明（第六式）

• 位置：Section 5.4 (Ablation Study) & Figure 7
• 描述：作者声称“pruning ratio of 32%, the Top-1 accuracy remains at 95.07%, matching the baseline performance exactly”，并在 Figure 7 中展示了曲线。
• 证据：但在提供的文本中，我们找不到关于 lambda 取值与 Pruning Ratio 严格对应关系的完整数据表。且 95.07% 这个数字恰好与 Baseline 完全相等（精确到小数点后两位），在神经网络剪枝中，能达到与原网络完全一致的精度是非常罕见的，通常会有 0.1% 左右的波动。
• 严重程度：🟡
• 耿同学解读：如果是四舍五入也就罢了，如果是 exact match，那就太巧合了。耿我见过的剪枝实验，掉点是常态，哪怕不掉点也很难完全拟合原来的误差分布。建议作者公开其随机种子和多次实验的标准差。

---

耿同学辣评

这篇论文仿佛是一辆正在高速行驶中还带着原厂保护膜的跑车——数据可能很拉风（加速3.5倍），但连说明书都没印好（参考文献全是空码），仪表盘还少了几块（表格数据缺失），甚至车窗上还贴着去年的临牌（极近的基金时间线）。如果这是作者不小心流出的草稿，建议赶紧撤回重新排版；如果这是正式提交版，那审稿人不仅能审出算法的稀疏性，还能审出作者态度的“稀疏性”。

建议后续行动

• 联系作者要求提供原始数据（特别是要求补充完整的 Table 1，并解释文本乱码 a.5×4000 的来源）。
• 检查 LaTeX 源码（如果是审稿人，建议要求作者提供编译无误的 PDF，当前版本达不到最低发表规范）。
• 在 PubPeer 上提出质疑（如果该文已发表，其排版错误和缺失数据严重损害了结果的可重复性）。

⚠️ 免责声明

本报告由 AI 辅助生成，仅供学术讨论参考。
学术不端的最终认定需要专业机构调查。
我们支持学术诚信，但也尊重每一位研究者的名誉权。
如有异议，请以官方调查结论为准。
本工具不保证检测结果的准确性，误报和漏报均有可能。
(注：部分排版错乱和数据缺失可能是由于 PDF 转 TXT 过程中的解析错误导致，但如果原版 PDF 确实如此，本文结论成立。)