Loading...
正在加载...
请稍候

A dynamic graph structure optimization diagnosis

2026-08-06 15:10

🔍 耿同学打假报告

论文信息

  • 标题:A dynamic graph structure optimization diagnosis
  • 作者:Zhiyuan Hu, Yangde Lin, Jianrong Li (✉), Juan Lyu
  • 期刊:未在文本中明确提供(根据排版推测可能是某会议或期刊草稿)
  • DOI:未提供
  • 发表年份:未明确提供,但参考文献包含2023和2024年,推测为2024或2025年
  • 论文来源:2351.pdf

综合评定:🔴 实锤

详细发现

发现 1:数据表格大面积复制粘贴与重复(第二式:数据造假检测 / 量产型学术)

  • 位置:Table 1 (Page 10) & Table 2 (Page 10-11)
  • 描述
    在 Table 1 中,作者列出了 18 行实验数据。然而,仔细观察就会发现极其明显的复制粘贴痕迹:
    • 第 1、7、11、15、17 行的数据完全一模一样(f1_macro=0.8305, accuracy=0.83759)。
    • 第 2、8、12、16、18 行的数据也完全一模一样(f1_macro=0.8540, accuracy=0.8665)。
    • 同样地,Table 2 中也存在大量完全重复的行(例如包含 0.7605 和 0.6994 的行被多次重复)。
  • 证据
    相同的超参数设置(如 lr=0.01, epoch=250)下,深度学习模型两次独立运行的结果不可能精确到小数点后4/5位都完全相同,并且以这种交替的形式出现。唯一的解释是:作者在凑数据或者直接在 Excel/Word 里进行了多次复制粘贴以增加表格的篇幅,甚至可能是运行了两次代码,然后把结果交替复制填表。
  • 严重程度:🔴

发现 2:参考文献存在严重的时空错乱与伪造(第六式:引用与方法学异常)

  • 位置:References (Page 13-14)

  • 描述
    参考文献的期刊卷号、页码和发表年份存在违背常理的规律性造假或复制篡改。

  • 证据
    请看以下三条文献的卷号、页码和年份:

    • [2] Wang, Y. et al.: ... IEEE Transactions on Parallel and Distributed Systems 2(5), 99–110 (2023).
    • [11] Fu, S. et al.: ... IEEE Transactions on Industrial Informatics 2(5), 99–110 (2023).
    • [15] Fu, S. et al.: ... IEEE Transactions on Industrial Informatics 2(5), 99–110 (2023).

    耿同学辣眼睛了! 三篇完全不同的论文,甚至发表在两个不同的期刊上(TPDS 和 TII),居然在2023年共享了完全相同的 "Volume 2, Issue 5, Pages 99-110"?
    稍有常识的人都知道,IEEE TII 这种老牌期刊,2023年早就出到第 19 卷左右了,怎么可能是第 2 卷?这只能说明一个致命问题:作者在编造虚假文献,或者粗暴地复制了某篇远古文献(大约2006年左右)的卷号页码格式,甚至连发表的期刊名字都是随便挂的。 此外,[11] 和 [15] 实际上是同一篇文献被重复引用,也暴露了极不严谨的写作态度。

  • 严重程度:🔴

发现 3:排版乱码与疑似 AI 辅助生成痕迹(第五/六式:产出异常)

  • 位置:Section 3.4, Equation (1) (Page 7)
  • 描述
    公式 (1) 的文本存在极其突兀的编码乱码。原文如下:
    (�)=−(1−�)��
  • 证据
    这种 HTML 实体编码未解码的乱码(通常代表某种特殊字体下的希腊字母如 alpha、p 等)大量出现,说明作者很可能是从某个带有公式编辑器的网页或 PDF 中强行提取文本,然后不经任何校对直接粘贴到文档中。配合全文极其生硬、同质化的长句行文,存在极高的“低级洗稿”或“大语言模型直接生成且未作人工审核”的嫌疑。
  • 严重程度:🟠

发现 4:缺乏统计学严谨性(第四式:统计学异常)

  • 位置:Section 4.4, Table 1 & Table 2
  • 描述
    所有的实验结果(Accuracy)均只提供了一个绝对数值,没有任何误差棒(如 ±SD 或 ±SE)。
  • 证据
    对于图神经网络在标准数据集(如 Cora, CiteSeer)上的测试,受随机种子、初始化等因素影响,不进行多次独立实验(通常至少 3-10 次)并报告均值和标准差是不符合当前学术界规范的。结合发现 1 中 Table 1 完全相同的数据行,可以断定作者根本没有进行多次重复实验,这些数据仅仅是单次运行的结果(甚至单次运行都没有好好记录)。
  • 严重程度:🟠

耿同学辣评

好家伙,这篇论文可以说是“缝合怪”界的草台班子了。前脚用“Ctrl+C 加 Ctrl+V”把两张表格粘得整整齐齐、填满版面;后脚就在参考文献里让三篇不同的 2023 年 IEEE 论文“三生三世十里桃花”——共享同一个第2卷第5期第99页!公式连乱码都不清理就敢往上递,你们这是在考验审稿人的视力,还是在侮辱编辑的智商?这哪是“Dynamic Graph”,这分明是“Dynamic Copy-Paste”!

建议后续行动

  • 联系作者要求提供原始数据和实验记录(特别是表格数据的由来)
  • 在 PubPeer 上提出质疑
  • 向期刊/会议编辑部举报(重点关注伪造的参考文献元数据)
  • 向作者所在机构(天津科技大学 人工智能学院)学术委员会举报

⚠️ 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。