🔍 耿同学打假报告

论文信息

论文来源：终极棒的参考文献！.pdf
标题：MambaAD: Exploring State Space Models for Multi-class Unsupervised Anomaly Detection
作者：Haoyang He, Yuhu Bai, Jiangning Zhang, Qingdong He, Hongxu Chen, Zhenye Gan, Chengjie Wang, Xiangtai Li, Guanzhong Tian, Lei Xie
期刊/会议：38th Conference on Neural Information Processing Systems (NeurIPS 2024)
发表年份：2024

综合评定：✅ 清白

详细发现

发现 1：第一式·图片复用检测 —— 无法检测

位置：Figures 1-4
描述：论文中提供了 Figure 1-4 的 caption，但未提供实际的图片像素数据。
证据：文本中仅包含图表说明，如 "Figure 1: Compared with..."。由于缺乏图片文件，无法进行背景噪点对比、WB 条带复用检测或翻转/旋转痕迹识别。
严重程度：⚪（信息不足，无法判断）

发现 2：第二式·数据造假检测 —— 数据分布自然

位置：Tables 1-7, A1-A16
描述：论文的数据呈现出合理的波动性，未发现“随机数生成器”式的造假痕迹。
证据：
1. 合理波动：在 Table 7（消融实验）中，Pixel-level 的 AUROC 指标在 91.3 到 93.1 之间波动，并未出现完全一致或等差数列般的完美数据。
2. 标准差披露：Table 1 中，作者报告了 MambaAD 结果的均值±标准差（如 98.6±0.3）。标准差为 0.2-0.4 之间，符合深度学习多次实验的正常方差范围，并未出现“过于整齐”的情况。
3. ** честность (诚实)**：在 Table A5 (MVTec-3D 数据集) 中，作者诚实地报告了在某些类别（如 Bagel, Foam）上，对比方法 DiAD 获得了 100% 的满分，而 MambaAD 仅为 87.7% 和 84.0%。造假者通常会为了“全盘SOTA”而修改这些分数，作者保留了这些“失败”的分数，增加了数据的可信度。
严重程度：🟢（正常）

发现 3：第三式·图片拼接检测 —— 无法检测

位置：Figures 1-4
描述：由于没有图片文件，无法检测是否存在 PS 痕迹、泳道拼接线或分辨率不一致等问题。
严重程度：⚪（信息不足）

发现 4：第四式·统计学异常检测 —— 统计规范

位置：全文实验部分
描述：这是一篇深度学习论文，不涉及传统的 p 值检验，但实验设计符合规范。
证据：使用了多个数据集（MVTec-AD, VisA, Real-IAD 等）和多个指标（AUROC, AP, F1, PRO）进行交叉验证。消融实验（Tables 2-7）逻辑清晰，变量控制得当，没有出现通过改变评估指标来强行证明有效性的“p-hacking”行为。
严重程度：🟢（正常）

发现 5：第五式·产出异常检测 —— 蹭热度嫌疑但逻辑自洽

位置：标题与摘要
描述：论文标题为 "MambaAD"，发表于 NeurIPS 2024。
证据：
1. 时间线：Mamba 模型在 2023 年底爆火，2024 年涌现大量 "X-Mamba" 论文。该论文投中 NeurIPS 2024 符合当时的学术“追热点”节奏。
2. 工作量：论文包含了大量的消融实验和多达 16 个 Appendix 表格，使用了 3 个主要数据集和多个额外数据集。这种实验体量在顶级会议中属于正常甚至偏上水平，不像是“量产型”水文。
严重程度：🟢（正常）

发现 6：第六式·引用与方法学异常 —— 发现一处拼写错误

位置：Table 1 标题
描述：表格标题中出现拼写错误。
证据：Table 1 的标题为 "Quantitative Results on Dateset"，其中 "Dateset" 应为 "Dataset"。虽然这是一个低级错误，但属于排版疏忽，而非数据造假。
严重程度：🟡（轻微瑕疵）

发现 7：第六式·引用与方法学异常 —— 超链接异常

位置：Abstract 末尾
描述：项目主页的 URL 命名风格有些独特。
证据：网址为 https://lewandofskee.github.io/projects/MambaAD。"lewandofskee" 看起来不像常见的学术命名，可能是作者 ID 或特定梗，但这不影响学术内容的真实性。且代码已开源，增加了可重复性。
严重程度：🟢（正常）

耿同学辣评

这篇论文虽然顶着“Mamba”这个 2024 年最大的学术流量密码，但干活确实没含糊，6 个数据集 7 个指标加上海量的消融实验，把该填的坑都填了。最难得的是，作者在附录里老实交代了自己在 MVTec-3D 某些类别上被 DiAD 按在地上摩擦（87.7 vs 100.0），这种“不装了，摊牌了”的坦诚，反而证明了数据大概率是真的。就是下次校对的时候走点心，"Dataset" 都能拼错成 "Dateset"，这要是被打假打到脸上了多疼啊！

建议后续行动

无需联系作者，数据分布自然，未见明显造假痕迹。
建议作者在最终版或 Camera-ready 版本中修正 "Dateset" 的拼写错误。

⚠️ 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。
特别说明：由于本次检测输入仅为文本，缺乏原始图片文件，因此“图片复用”、“PS拼接”等视觉维度未能进行实质审查。

MambaAD: Exploring State Space Models for Multi-class Unsupervised Anomaly Detection