🔍 耿同学打假报告

论文信息

论文来源：DiDA.pdf
标题：DiAD: A Diffusion-based Framework for Multi-class Anomaly Detection
作者：Haoyang He, Jiangning Zhang, Hongxu Chen, Xuhai Chen, Zhishan Li, Xu Chen, Yabiao Wang, Chengjie Wang, Lei Xie
期刊：未在文本中明确标明期刊名（疑为会议论文，如 AAAI/CVPR 等，或预印本）
DOI：未提供
发表年份：根据参考文献时间线推断，约为 2023 年末或 2024 年

综合评定：🟠 高度可疑

详细发现

发现 1：数据复用与自相矛盾（数据造假检测 & 统计学异常）

位置：Table 9 (Ablation studies on the feature layers)
描述：在关于特征层选择的消融实验中，存在两组完全不同特征层组合（打勾数量与位置不同），却得出了一字不差、完全一致的实验数据。
证据：
观察文本中提取的 Table 9 内容，有如下两行：
1. ✓ ✓ ✓ 97.1 99.0 96.8 96.4 49.4 53.1（对应勾选了 f3, f4, f5）
2. ✓ ✓ 97.1 99.0 96.8 96.4 49.4 53.1（对应勾选了 f4, f5）
  使用 f2, f3, f4 的组合（第5行）给出了主实验的数据 97.2 99.0 96.5 96.8 52.6 55.5，这是合理的。但是，上述提到的两组数据在 6 个指标上惊人地完全一致（精确到小数点后一位）。如果特征提取层发生了改变，哪怕是减少一层，6个指标全不变的概率在统计上几乎为 0。这极大概率是作者在填表时发生了“复制粘贴”错误，或者为了凑齐表格而人为编造了重复数据。
严重程度：🔴 （核心消融实验数据造假是学术界的重罪）

发现 2：摘要/引言与正文数据倒置（统计学与文本逻辑异常）

位置：Abstract & Introduction vs Table 1 & Table 3
描述：作者在摘要和引言中声称超越了基线模型的数据，在文本描述中出现了逻辑倒置的错误，暴露出作者在写论文时可能为了“凑”提升幅度而算错了账。
证据：
在 Introduction 部分，作者写道：“we surpass the multi-class anomaly detection diffusion-based method by 20.6↑/ 11.7↑ in pixel/image AUROC”。
但我们去查阅实际表格：
- Table 3 (Pixel-level AUROC，即 pixel)：Ours (96.8) - LDM (85.1) = 11.7
- Table 1 (Image-level AUROC，即 image)：Ours (97.2) - LDM (76.6) = 20.6
  破绽：真实的提升幅度是 Image 提升了 20.6，Pixel 提升了 11.7。但作者在引言中写成了“pixel/image AUROC提升 20.6/11.7”。这属于典型的“顾头不顾尾”式造假痕迹，或者说明作者在修改数据时，没有把全文的逻辑理顺。

发现 3：精度格式不统一（数据造假检测）

位置：Table 8 vs Table 1/3
描述：核心指标在不同表格中的小数点位数表现不一致，显得极为随意。
证据：
在 Table 1 和 Table 3 中，AP 指标均保留一位小数（如 99.0, 52.6）。但在 Table 8 的消融实验中，ResNet50 的 APcls 指标却写成了整数 99（对应文本：97.2 99 96.5）。同一篇论文、同一个核心指标，格式居然不统一，这在严谨的排版中是不应该出现的。虽然可能是笔误，但结合发现 1，让人对数据的原始性产生怀疑。

发现 4：时间线逻辑检查

位置：References & 全文
描述：基于【当前日期：2026-06-02】进行核查。
证据：
论文引用的最新文献为 2023 年 11 月的预印本（如 arXiv:2311.00453）。这说明论文大概率写于 2023 年底至 2024 年初。时间线逻辑自洽，没有出现“使用未来设备或试剂”的穿越情况。此维度无异常。

(注：由于仅有文本，无法进行第一式“图片像素复用”与第三式“PS拼接”的检测，但基于数据的查杀已经暴露出严重问题。)

耿同学辣评

咱们就是说，现在有些同学写论文，实验跑没跑完、数据对不对得上自己心里没数吗？Table 9 里面连勾选的特征层都不一样，居然能跑出一模一样的 6 个小数点位数据！ 这难道是巧合吗？概率论老师看了都要连夜撕书！还有引言里面 pixel 和 image 傻傻分不清楚，提升幅度正着念反着念全靠蒙。建议把代码开源之前，先把 Excel 里面的“下拉复制”快捷键给扣掉吧！

建议后续行动

在 PubPeer 上提出质疑（重点展示 Table 9 的重复数据）
联系作者要求提供原始数据（特别是 Table 9 的训练日志）
向期刊/会议编辑部举报（如确认发表在某个会议/期刊上）

⚠️ 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。

DiAD: A Diffusion-based Framework for Multi-class Anomaly Detection