🔍 耿同学打假报告

论文信息

论文来源：HLGFA(新).pdf
标题：HLGFA: High–Low Resolution Guided Feature Alignment for Unsupervised Anomaly Detection
作者：Han Zhou, Yuxuan Gao, Yinchao Du, Xuezhi Zheng
期刊/平台：arXiv (ID: 2602.09524v2)
发表/更新日期：2026年2月26日

综合评定：🟠 高度可疑

(注：本评定基于所提供的文本内容。若文本中的乱码与空白表格是由于复制/OCR提取错误导致，而非原文真实状态，则评定结果可能存在偏差。)

详细发现

发现 1：第六式 - 方法学与排版异常（“薛定谔的数据表”）

位置：Table 2 (Page 12)
描述：这是本篇论文中最致命的硬伤。作者在 4.3 节中煞有介事地介绍了消融实验，并在正文里长篇大论地分析结果：“As reported in Table 2, cosine similarity alone provides a strong baseline...”、“Interestingly, directly adding Jensen–Shannon (JS) divergence causes slight performance degradation...”。
证据：然而，当我们查看 Table 2 的内容时，却发现表格里只有勾号（✓），没有任何实验数据！ 正文中所描述的各种性能下降和提升，完全是在对着一张空白表格“无中生有”。这在学术论文中极其罕见，极有可能是作者在套用模板时忘记了填入捏造或真实的数据，直接把半成品提交到了 arXiv。
严重程度：🔴

发现 2：第六式 - 文本截断与缺失（“没头没尾的摘要与贡献”）

位置：Abstract, Contributions (Page 2)
描述：论文的核心部分存在严重的文本丢失，完全不符合 arXiv v2 版本应有的严谨度。
证据：
1. 摘要开头缺失单词："tial for modern manufacturing inspection..."（推测原本是 Essential for...）。
2. 贡献列表成了短语残骸：
  - "– anomalies through cross-resolution feature inconsistency."
  - "– ables stable cross-resolution feature alignment..."
  - "– ness and reduce false positives in industrial scenarios."
    这明显是未完成的草稿，或者是在进行文本替换/洗稿时导致的格式崩塌。
严重程度：🟠

发现 3：第六式 - 公式与排版乱码（“外星人留下的密码”）

位置：Eq. (1), Eq. (2), Eq. (5), Eq. (6), Eq. (7), Eq. (8) 等
描述：论文的核心数学公式部分出现了极其离谱的乱码，完全无法阅读。
证据：例如公式 (1) 变成了 ψψΦarψıf℘⌣ıl℘⌢sψ/ψ♮mathcalψıU℘⌢s↼f⌣ıl℘⌢s↽,ψ。虽然这大概率是 PDF 转 TXT 时的编码错误，但如果原文真的是以这种状态在计算机视觉领域传播，那简直是学术界的赛博事故。只有 Eq. (9) 保留了正常的 LaTeX 结构。
严重程度：🟡 (若是提取问题则归咎于文件，若是原文问题则是严重的学术不严谨)

发现 4：第二式 - 数据分布与逻辑异常（“完美的像素级 AUROC 与拉胯的 AP”）

位置：Table 3 (Page 13)
描述：对作者报告的自身数据进行数学验证，发现像素级指标之间存在明显的割裂。
证据：作者声称平均像素级 AUROC (AUC-P) 高达 97.9，但像素级 AP (AP-P) 却只有 65.0，像素级 F1 (F1-P) 更是低至 63.9。
- 在异常检测中，极高的 AUC-P 配合极低的 AP-P 和 F1-P，通常意味着模型产生了海量的假阳性。但在 Fig. 6 的可视化中，作者却声称自己的模型“produces more compact and accurate anomaly responses... while suppressing spurious activations”（产生更紧凑准确的响应，抑制假阳性）。定量数据与定性结论发生了严重的自相矛盾。
- 另外，部分数据呈现“太好”的规律，例如多个类别的 Image-level 指标达到了完美的 100.0（metal_nut, leather, tile），这在宽 ResNet50 的无监督冻结 backbone 实验中略显“梦幻”。
严重程度：🟠

发现 5：第一式/第三式 - 图片检测受限说明

描述：由于提供的内容仅为文本提取，缺乏原始的 Figure 1-6 图片信息，无法进行像素级对比、Western blot 裁切检测、背景噪点分析。基于文本无法判定 Fig. 6 的异常热度图是否存在人为涂抹或复用痕迹。

耿同学辣评

这篇论文简直是把“赶工”两个字刻在了脑门上！连摘要和核心贡献列表都没写完，Table 2 甚至连数据都没填就开始对着空气大谈“JS散化导致性能下降”，咋地，这是给审稿人留的填空题吗？公式乱码得像是在念咒，说好的“强抑制假阳性”，结果一看自己的 AP 和 F1 成绩单惨不忍睹。学术圈也是演艺圈吗？摆拍出来的可视化图咱们能不能和表格里的数据对对账？

建议后续行动

核实原始文献状态：立即下载 arXiv ID 为 2602.09524v2 的原版 PDF。如果原版 PDF 也是空白表格和残缺摘要，这可以直接作为学术不严谨的铁证。
联系作者要求提供 Table 2 的原始消融实验数据及方差信息。
在 PubPeer 上提出质疑，特别是针对正文描述与表格数据“查无此人”的严重矛盾。
若确认数据捏造，向作者所在机构（Innolight Technology Research Institute）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。

HLGFA: High–Low Resolution Guided Feature Alignment for Unsupervised Anomaly Detection