🔍 耿同学打假报告

论文信息

论文来源：2351.pdf
标题：A dynamic graph structure optimization diagnosis
作者：Zhiyuan Hu, Yangde Lin, Jianrong Li, Juan Lyu
期刊：未在文本中明确标明（疑似会议论文或预印本）
DOI：未提供
发表年份：未明确标出（参考文献最新为2024年，结合当前日期2026年，推测为2024-2025年间撰写）

综合评定：🔴 实锤

详细发现

发现 1：参考文献大规模造假 / AI 幻觉（第六式：引用异常）

位置：References 部分
描述：论文的参考文献列表中存在极度离谱的格式和数据碰撞，暴露出极其明显的伪造或 AI “幻觉”痕迹。
证据：
1. 不同文献共享同一神秘页码：
  - 参考文献 [2]：IEEE Transactions on Parallel and Distributed Systems 2(5), 99–110 (2023).
  - 参考文献 [11]：IEEE Transactions on Industrial Informatics 2(5), 99–110 (2023).
  - 参考文献 [15]：IEEE Transactions on Industrial Informatics 2(5), 99–110 (2023).
    两个完全不同的 IEEE 顶级期刊（TPDS 和 TII），不同的作者，居然在2023年极其巧合地发表在了同一卷号（2）、同一期号（5）、甚至连起止页码（99-110）都一字不差。这在学术界发生的概率基本为零。
2. 复制粘贴忘改编号：
  - 参考文献 [11] 和 [15] 的作者、标题、期刊、卷号、页码完全一模一样。同一篇文献被赋予了两个不同的编号，且都在正文中被引用，说明作者在编造引用或使用工具生成时严重失察。
严重程度：🔴

发现 2：实验数据违背常理，存在“Excel 下拉”造假痕迹（第二式：数据造假检测）

位置：Table 1 (Page 10) 和 Table 2 (Page 10-11)
描述：在表格中，不同超参数组合下的实验结果出现了完全一致的精确数值，严重违背了神经网络训练的随机性原理。
证据：
1. Table 1 (Cora 数据集)：
  第 1、2 行，第 7、8 行，第 11、12 行，第 15、16 行，第 17、18 行的数据完全相同。例如，以下几行均显示 accuracy = 0.83759（伴随 f1_macro = 0.8305）和 accuracy = 0.8665。
  在 Dropout=0.5，包含随机数种子、参数初始化等随机因素的 GNN 模型中，两组完全不同的参数（哪怕 epoch 分别是 200 和 250）能训练出精确到小数点后 5 位的相同准确率，这在数学上几乎不可能，高度怀疑是编造数据或错误使用了 Excel 的下拉填充功能。
2. Table 2 (CiteSeer 数据集)：
  同样的问题更为惨烈。例如，Epoch 为 250 的数据行（如 0.6589 / 0.6994 和 0.7270 / 0.7605）在表格中至少重复出现了 4 次（第8-9行，12-13行，18-19行，20-21行）。
3. 数据的“成对”规律：两个表格中的指标往往呈现两两绑定重复的规律，极具手工篡改/捏造的特征。
严重程度：🔴

发现 3：极其拙劣的表格注水（第六式：方法学异常）

位置：Table 1 & Table 2 的列名设置
描述：作者为了强行凑表格的列数，臆造了冗余的参数列。
证据：
表格中存在 initial_lr（初始学习率）和 annual_lr（年度学习率？）两列，且两列的数据在所有行中100% 完全相同。同理，annual_epochs 和 epoch 两列的数据也完全等同。
在终身学习或动态图中，如果参数没有发生变化，就根本不需要分成两列来写。这种做法纯粹是为了让表格看起来更“丰满”，属于典型的低级学术注水。
严重程度：🟠

发现 4：图片相关检测受限声明（第一式 & 第三式）

描述：文本中提供了 Figure 1, 2, 3, 4 的标题和说明，但由于本次输入内容为纯文本提取版，无法进行像素级的一图多用和 PS 痕迹检测。
证据：仅凭文字无法判断 Western Blot（本文不涉及）或流程图的真伪，但结合上述严重的数据和文献问题，本文图表的真实性存疑，建议查证原始图片。
严重程度：🟡（存疑）

耿同学辣评

这篇论文堪称“AI 生成式学术垃圾”的教科书级示范。参考文献列表里，不同期刊的文章能“共享”同一卷同一期的同一页码（99-110），这是把学术界当共享单车扫吗？更离谱的是，连神经网络随机梯度下降产生的噪声都能被作者“抹平”了，不同的 Epoch 硬是能跑出小数点后五位一模一样的 Accuracy，你家的随机数生成器是不是坏了？把参数列原封不动复制一遍拿来凑字数，这就叫“Dynamic Graph Optimization”（动态图优化）？我看是“Dynamic Copy-Paste”（动态复制粘贴）吧！建议作者回去重新学习一下什么叫科学精神，而不是在这里挑战审稿人的智商底线。

建议后续行动

联系作者要求提供原始数据（特别是查问为何不同参数下会有完全相同的小数点后5位结果）
在 PubPeer 上提出质疑（附上卷号页码造假和重复数据的截图）
向期刊编辑部举报（核实参考文献严重造假行为）
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。

A dynamic graph structure optimization diagnosis