BACH: Bridging Adjacency List and CSR Format using LSM-Trees for HGTAP Workloads
2026-06-01 16:29
🔍 耿同学打假报告
论文信息
- 标题：BACH: Bridging Adjacency List and CSR Format using LSM-Trees for HGTAP Workloads
- 作者：Jianfeng Huang, Yihao Cao, Shubing Ren, Baohua Wu, Dongjing Miao
- 期刊：Proceedings of the VLDB Endowment (PVLDB)
- DOI：10.14778/3718057.3718076
- 发表年份：2025
- 论文来源：p1509-miao.pdf
综合评定：✅ 清白
详细发现
发现 1：第六式 - 时间线与产出合理性检测（硬件与时间）
- 位置：Section 8.1 Experimental setup
- 描述：论文发表于 2025 年（当前日期为 2026-06-01），引用的最新文献为 2024 年（如 ChunkGraph, Spruce），时间逻辑合理。实验平台使用 Intel Xeon E7-8860 处理器，虽然该型号较老（通常为 Haswell/Broadwell 架构，约 2014-2016 年产品），但在学术界使用旧服务器进行实验是常态，且搭配 384GB DDR4 内存和 2TB SSD 的配置描述详实，符合图数据库实验的典型硬件需求。
- 证据：时间线无矛盾，硬件描述具体且不自相矛盾。
- 严重程度：🟢 正常
发现 2：第六式 - 方法学与引用检测（开源代码与复现性）
- 位置：PVLDB Artifact Availability & Section 8.1
- 描述：论文提供了完整的开源代码仓库（https://github.com/2600254/BACH）。这是数据库系统领域顶级会议（VLDB）的硬性要求。通常愿意公开代码且通过 Artifact Check 的论文，其数据的可信度极高，因为造假成本远高于真实实验。
- 证据：提供了 GitHub 链接，且 PVLDB 标注 "The source code... have been made available"。
- 严重程度：🟢 正常
发现 3：第二式 - 数据造假检测（数据一致性）
- 位置：Table 3: Graph dataset information
- 描述：对论文中的数据集统计信息进行了交叉验证。以 Datagen-8_5-fb (DA) 数据集为例，论文声称有 4.6M 个顶点和 332.0M 条边。计算其平均度数：332.0M / 4.6M ≈ 72.17。论文给出的平均度数为 72，数学计算上高度自洽。UK-2007-05 数据集的度数计算（3.3B / 105.9M ≈ 31.1，论文标注 62.8，考虑到无向图或双向存储导致的度数翻倍 31.1*2=62.2）也基本合理。
- 证据：核心数据集的数值经得起推算，未出现明显的随机数生成器痕迹。
- 严重程度：🟢 正常
发现 4：第三式/第四式 - 图片与统计学异常检测
- 位置：Figure 6, Figure 7, Figure 8
- 描述：由于输入为纯文本模式，无法对 Figure 6/7/8 的柱状图/折线图进行像素级的 PS 痕迹检测（如噪点分析、拼接线检测）。但从文本描述的数据来看（如 P99 延迟：23, 93, 1371 等），数据分布具有真实的“长尾”和波动特征，没有出现生物学论文中常见的“整齐划一”的造假特征。
- 证据：文本未提供足够图片信息进行像素级分析，但数值特征正常。
- 严重程度：🟢 无法判断（受限于输入格式）
发现 5：第六式 - 方法学内部逻辑
- 位置：Section 8.2 & Section 8.3
- 描述：论文提到了比较对象 LLAMA 在删除操作上的局限性，并因此排除了部分对比测试，理由是 "inability to accurately process edge deletions on disk"，引用了其 GitHub 仓库作为佐证。这在系统论文中是严谨的表现，而不是“隐瞒数据”。作者对自己提出的 BACH 系统在不同 Merge 策略（Tiering, Leveling, Elastic）下的优缺点进行了诚实的对比（如 Tiering 吞吐高但延迟大），符合系统论文的学术规范。
- 证据：方法描述详实，优缺点对比客观。
- 严重程度：🟢 正常
耿同学辣评
这篇论文简直是学术界的“五好学生”。计算机系统的论文，造假成本极高，因为你得把代码开源让大家去跑，编个数据连编译都过不去。不像某些生化环材的论文，图是用 PPT 画的，数据是用 Excel 拖拽生成的。这篇论文的数据虽然不能看图，但从数学逻辑和开源态度来看，相当硬核。唯一的“槽点”可能是都 2025 年了还在用 E7 系列的老 CPU 做实验，看来科研经费还是有待提高啊！
建议后续行动
- 无需联系作者，论文逻辑自洽且开源。
-
联系作者询问为什么不用最新的 AMD Zen5 处理器跑实验 -
在 PubPeer 上提出质疑 -
向期刊编辑部举报
⚠️ 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。
由于输入为纯文本格式，未能进行图片伪造（PS）级别的检测。