🔍 耿同学打假报告

论文信息

• 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)
• DOI：未见
• 发表年份：2024
• 论文来源：终极棒的参考文献！.pdf

综合评定：🟠 高度可疑

详细发现

发现 1：数据巧合还是复制粘贴？（表格异常）

• 位置：Table 5 (Ablations on different scanning methods and directions)
• 描述：在消融实验表格中，出现了极度巧合的数据重合现象，疑似数据造假或复制粘贴后微调留下的痕迹。
• 证据：
  请仔细观察 Index 5（Hilbert 2 方向）和 Index 7（Hilbert 8 方向，即最终采用的设置）在 Pixel-level 的数据：
  • Index 5: ... AU-ROC 97.7, AP 56.5, F1_max 59.2, AU-PRO 93.1
  • Index 7: ... AU-ROC 97.7, AP 56.3, F1_max 59.2, AU-PRO 93.1
    在深度学习实验中，修改模型结构（将扫描方向从2个增加到8个）后，F1_max 和 AU-PRO 两个指标完全精确到小数点后一位一模一样（59.2 和 93.1），这在统计上是极小概率事件。真实实验通常会有微小的波动。这种“部分指标完全不变，另一指标微调”的模式，非常符合人工编造数据的特征。
• 严重程度：🔴

发现 2：违背物理规律的算力声明（产出异常）

• 位置：Section 4.1 (Implementation Details)
• 描述：论文声称其实验全部在单张 NVIDIA TESLA V100 (32GB) 上完成，但这与其展示的庞大实验量在时间逻辑上存在严重冲突。
• 证据：
  1. 时间紧迫：Mamba 模型于 2023 年 12 月发布，NeurIPS 2024 的截稿日期通常在 2024 年 5 月中旬。作者仅有约 5 个月的时间完成构思、编码和所有实验。
  2. 实验量巨大：
     • 包含 Real-IAD（150K 高分辨率图像）等 6 个大型数据集，训练 500 epochs。
     • 进行了海量的消融实验（Table 2-7）和基线对比（RD4AD, UniAD, DiAD 等）。
     • Table 1 中带有 ± 误差棒，说明每个实验至少重复了 3 次。
  3. 算力矛盾：在单张 V100 上，仅跑一次 Real-IAD 的完整训练可能就需要数天。加上调参、跑多个数据集、多次重复实验以及数十个消融设置，总计算量可能需要数百甚至数千 GPU 小时。如果严格按照论文声明的单卡运行，这意味着在 5 个月内，这台机器必须 24 小时无休运转，且作者一次代码都没写错，一次参数都没调废，这违背了深度学习研究的常理。
  4. 论文刻意强调 “low model parameter count”，可能是为了掩盖其实际使用了大规模集群进行暴力搜索的事实。
• 严重程度：🟠

发现 3：引用缺失与排版仓促

• 位置：Table A5, Table A7, Table A9 (Appendix)
• 描述：在附录的多个对比表格中，基线方法 SimpleNet 的引用号全部显示为空的括号 SimpleNet []。
• 证据：
  • Table A5: SimpleNet []
  • Table A7: SimpleNet []
  • Table A9: SimpleNet []
    这虽然是排版错误，但在顶会论文中出现如此低级的系统性错误，通常意味着论文在截稿前经历了极度仓促的修改和拼接，或者附录部分可能是从其他文档直接复制而来未加仔细校对。
• 严重程度：🟡

耿同学辣评

这篇论文简直是“拿着单卡 V100 的剧本，演着 8 卡 A100 的戏”。一边是表格里 F1 分数和 PRO 指标精确得像双胞胎一样的“造假级巧合”，一边是声称用一张 V100 在 5 个月内跑完 6 个数据集加几十个消融实验的“算力奇迹”。这不是在做科研，这是在修仙啊！

建议后续行动

• 联系作者要求提供原始数据
• 在 PubPeer 上提出质疑
• 建议核查其实验室的实际 GPU 购买与使用记录
• 向 NeurIPS 委员会反馈算力声明可能存在的虚假陈述

⚠️ 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。