这里是根据「耿同学六式」对这篇论文的全面学术打假检测报告。

🔍 耿同学打假报告

论文信息

• 标题：Multi-AD: Cross-Domain Unsupervised Anomaly Detection for Medical and Industrial Applications
• 作者：Wahyu Rahmaniar, Kenji Suzuki
• 期刊：文本中未提供（疑似预印本或已投稿状态）
• DOI：文本中未提供
• 发表年份：推测为 2025 或 2026 年（基于文中引用的 2025 年文献及系统当前时间 2026-06-02）
• 论文来源：Multi-AD(新).pdf

综合评定：🟡 存疑

（注：论文整体逻辑相对完整，数学平均值的计算大部分是自洽的。但文中存在明显的文本与公式描述不一致的漏洞，且实验数据呈现出某种“过于巧合”的规律性。由于无法直接查看原始高清图片，部分检测受限。）

详细发现

发现 1：文本与公式矛盾（嘴上说的和手上写的完全不同）

• 位置：第 3.2 节 Knowledge Distillation (KD) - 公式 (8) 及其上方的文本描述（PDF 第 11 页）
• 描述：作者在文本中明确写道：“Knowledge transfer is achieved by aligning these normalized activations while minimizing the Euclidean distance.”（知识迁移是通过最小化欧氏距离来实现的）。然而，紧随其后的公式 (8) 给出的损失函数计算方式却是 \(1 - cos(T, S)\)。
• 证据：\(1 - cos(T, S)\) 是典型的余弦距离/余弦相似度计算方式，而欧氏距离应当是 \(\|T - S\|_2^2\)。在数学和深度学习中，这俩是完全不同的度量方式，优化梯度也完全不同。这是一个极其不应该的方法学描述错误，属于“撰写时不走心”的典型红旗。
• 严重程度：🟠

发现 2：数据高度同质化（“万物皆可 98.9”）

• 位置：Table 3 (PDF 第 17 页)
• 描述：在工业数据集（MVTec AD）的像素级（PL）AUROC 比较中，本文提出的 Multi-AD 模型在 15 个子类别中，有 7 个类别的结果完全一模一样，均精确到了 98.9%。
• 证据：Cable, Capsule, Metal Nut, Pill, Toothbrush, Zipper 这 6 个完全不同特征、不同缺陷类型的工业子类别，以及 Carpet，其 PL-AUROC 全部为 98.9。在真实的无监督异常检测实验中，不同数据集的缺陷难度差异巨大，跨域结果密集分布在一个精确的数值上是极度违反统计学直觉的。这暗示作者可能为了追求表格排版的“整齐”或 SOTA，对部分数据进行了人为的修饰或四舍五入。
• 严重程度：🟠

发现 3：消融实验数据的“巧合”

• 位置：Table 4 (PDF 第 22 页)
• 描述：在消融实验中，不同的模块组合在不同领域（医疗 vs. 工业）居然算出了完全一模一样的数值。
• 证据：在 Study 2 (仅 SE + D) 和 Study 7 (仅 MFF) 中，医疗数据的 PL-AUROC 都刚好是 91.4%，工业数据的 IL-AUROC 都刚好是 93.4%。考虑到这是完全不同的网络架构组合、完全不同的数据域，出现数值完全撞车的概率极低。
• 严重程度：🟡

发现 4：数据集使用与划分的描述模糊

• 位置：4.1 Dataset (PDF 第 16-17 页)
• 描述：作者使用了医疗数据集 BraTS2021, RESC, BTCV/LiTS。文本中提到“we evaluate on three medical datasets... commonly used in medical imaging AD [1]”。
• 证据：虽然引用了文献 [1] BMAD，但作者并没有明确说明是否严格使用了 BMAD 的官方划分标准。特别是提到“BraTS2021... 7,500 normal images were used for training”，这种自定义的切片和过滤规则（保留非空 mask 切片）如果没有开源代码配合，极难被他人复现。
• 严重程度：🟡

发现 5：时间线自洽性验证

• 位置：全文及参考文献
• 描述：以当前日期（2026-06-02）为基准进行检查。
• 证据：
  • 论文引用了 2025 年的文献（如 Pattern Recognit 162 (2025) 和 161 (2025)），说明论文撰写时间在 2025 年之后，时间线合理。
  • 文中提到东京工业大学和东京医科齿科大学合并为 Science Tokyo（发生于 2024 年 10 月 1 日），论文邮箱仍使用 @m.titech.ac.jp，在 2026 年初尚可理解，但时间线无硬伤。
• 严重程度：✅

发现 6：图片复用与拼接检测受限声明

• 位置：全文 Figure 1 - Figure 8
• 描述：由于当前输入仅为 PDF 提取的纯文本，未提供原始高清图片像素信息。
• 证据：无法对 Figure 6, 7 中的异常定位热力图进行背景噪点比对，也无法检测 Figure 2/3/4 是否存在 PS 拼接痕迹。但文本未露出明显的逻辑破绽。
• 严重程度：🟡

---

耿同学辣评

这篇论文主打一个“只要我不尴尬，尴尬的就是审稿人”。嘴上喊着“我用的是欧氏距离”，手底下的公式其实写的是余弦相似度，这数学体育老师看了都得摇头。再看那张 Table 3 的工业数据，15 个类别硬是能跑出 7 个一模一样的 98.9%，万物皆可 98.9，这模型的收敛点难道是卡在某个出厂设置上了吗？建议作者下次编造……哦不，整理实验数据时，稍微加亿点点随机噪声，别让结果看起来像是用伪随机数生成器批量刷出来的。

建议后续行动

• 联系作者要求提供原始实验代码和跑分的 log 记录（尤其是 Table 3 的详细数据）
• 在 PubPeer 上提出质疑（重点关注公式(8)与文本的矛盾、Table 3 数据的同质化问题）
• 要求作者澄清 Loss 函数到底用的是什么，如果是笔误，需更正；如果是造假，需撤稿

⚠️ 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。