🔍 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：🟠 高度可疑

详细发现

发现 1：第六式 - 方法学与实验配置的“精神分裂”（文本矛盾）

• 位置：Section 3.2 与 Section 4.1 / Table 4
• 描述：
  论文在 3.2 节明确写道：“In this experiment, we employ LSS with Mi=3 and Mi=2 as the primary modules... the second LSS module is set to 2”。
  然而，在 Table 4（Ablation studies on the pre-trained backbone and Mamba decoder depth）中，作者展示了不同深度的对比，其中选用的配置是 [3, 4, 6, 3]。并且 Table 4 的 Caption 和正文明确指出这个配置对应 ResNet34。
  如果 Decoder 深度配置为 [3, 4, 6, 3]，那么第二个模块（Stage 2）的数量应该是 4，而不是作者在方法部分声称的 2。
• 证据：
  • 3.2 节原文：“the second LSS module is set to 2”
  • 4.1 节原文：“Mamba decoder of equivalent depth [3,4,6,3] to ResNet34”
  • Table 4 中，ResNet34 行明确列出了 [3,4,6,3] 配置，且该配置被作为最终结果。
• 严重程度：🔴
• 分析：这种级别的参数描述错误通常有两种解释：一是作者在修改实验方案时（可能原本试过 [..., 2, ...] 后来改成了 [..., 4, ...]），只改了表格忘了改正文（典型的 Copy-paste 遗留问题）；二是作者根本没跑过自己所描述的某些配置。无论哪种，都说明论文写作极不严谨。

发现 2：第二式 - 消融实验中的“克隆数据”

• 位置：Table 5 (Ablations on different scanning methods and directions)
• 描述：
  在对比不同扫描方法的消融实验中，出现了极其不自然的数值重复。
  • Index 4 (Zigzag 8): Pixel-level AU-ROC = 56.3, AU-PRO = 93.1
  • Index 7 (Hilbert 8): Pixel-level AU-ROC = 56.3, AU-PRO = 93.1
    同时，Index 7 是作者最终采用的方案，其结果与 Table 1 中的主结果完全一致。
    对于两个完全不同的扫描策略（Zigzag vs Hilbert），在如此复杂的指标（如 AU-PRO）上不仅数值相近，而是精确到小数点后一位的完全相同，这在统计上是极小概率事件。
• 证据：
  • Table 5, Row Index 4: 98.2 / 99.4 / 97.6 / 97.6 / 56.3 / 58.8 / 93.1
  • Table 5, Row Index 7: 98.6 / 99.6 / 97.8 / 97.7 / 56.3 / 59.2 / 93.1
• 严重程度：🟠
• 分析：这强烈暗示作者可能在填表时出现了“复制粘贴”错误，或者在实验过程中某组数据丢失，为了补全表格而借用了其他组的数据。这种数据高度克隆现象是学术造假的常见红旗。

发现 3：第二式 - 数据分布过于“稳定”的 AU-PRO

• 位置：Table 5 (Ablations on different scanning methods and directions)
• 描述：
  观察 Table 5 中的 Pixel-level AU-PRO 指标列：
  • Index 1: 92.9
  • Index 2: 93.4
  • Index 3: 93.0
  • Index 4: 93.1
  • Index 5: 93.1
  • Index 6: 93.2
  • Index 7: 93.1
    在 7 组不同的实验设置中，有 3 组的 AU-PRO 完全相同（93.1），还有两组仅差 0.1 或 0.2。
• 证据：
  数据波动范围极小，且多处出现完全相同的数值。
• 严重程度：🟡
• 分析：虽然不排除该模型在该指标上确实达到了瓶颈，但在不同扫描方向下，像素级的精准定位分数（AU-PRO）如此“粘滞”，结合发现2中的完全重复，让人对该实验是否真实进行了多次独立运行产生怀疑。

发现 4：第三式 - 图片分析的局限性说明

• 位置：Figure 1, 2, 3, 4
• 描述：
  由于仅提供文本而无法获取原始高清图片文件，无法进行像素级的伪造检测（如 Western Blot 条带拼接、背景噪声分析等）。
  但从 Figure 3 的图注描述来看，作者在图片排版上存在明显的风格不统一。例如序号使用了全角括号 “（Ⅰ）” 和带圈数字 “(ⅰ)” 混用，这在严谨的排版中较少见，通常暗示图片可能是后期拼凑修改的。
• 证据：
  Figure 3 Caption: “(ⅰ)...(ⅷ) （Ⅰ）Sweep （Ⅱ）Scan...”
• 严重程度：🟡 (排版问题)

耿同学辣评

这篇论文的消融实验做得那是相当“省事”，Table 5 里的 56.3 和 93.1 就像复制粘贴的常客一样粘在表格里，生怕别人看不出消融实验没跑全？更搞笑的是正文里信誓旦旦说“第二个模块设为2”，结果看一眼 Table 4 的配置明明是4。这属于“薛定谔的网络配置”吗？嘴上跑的是参数，表格里跑的是魔法，建议作者先把自己论文的方法和实验部分对对口型再来发 NeurIPS 吧！

建议后续行动

• 联系作者要求提供原始数据（特别是 Table 5 中 Index 4 和 Index 7 的原始 log 文件）
• 检查代码库中关于 depth 配置的实际定义，确认到底是 2 还是 4
• 在 PubPeer 上提出质疑
• 向 NeurIPS 2024 组委会或期刊编辑部举报（如确认数据造假）

⚠️ 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。