这里是为您生成的学术论文打假报告。

🔍 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
机构：浙江大学、腾讯优图实验室、南洋理工大学
期刊/会议：38th Conference on Neural Information Processing Systems (NeurIPS 2024)
论文来源：终极棒的参考文献！.pdf

综合评定：✅ 清白

详细发现

发现 1：数据逻辑与计算自洽性验证

位置：Table 1 / Section 4.1
描述：在计算机视觉论文中，表格数据的数学自洽性是检测编造数据的第一道关卡。特别是作者提出了一个综合指标“mAD”（7个指标的平均值）。
证据：
我对 Table 1 中作者报告的 mAD 数据进行了手工反向推导验证：
- MVTec-AD 数据集：(98.6 + 99.6 + 97.8 + 97.7 + 56.3 + 59.2 + 93.1) ÷ 7 ≈ 86.04。论文报告值：86.0。（四舍五入一致，合理）
- VisA 数据集：(94.3 + 94.5 + 89.4 + 98.5 + 39.4 + 44.0 + 91.0) ÷ 7 ≈ 78.72。论文报告值：78.7。（截断或轻微舍入误差，合理）
- Real-IAD 数据集：(86.3 + 84.6 + 77.0 + 98.5 + 33.0 + 38.7 + 90.5) ÷ 7 ≈ 72.65。论文报告值：72.7。（四舍五入一致，合理）
  所有 mAD 数据均与分项指标完美对应，未见“随机数生成器”胡编乱造的痕迹。
严重程度：✅ 正常

发现 2：公式推导与方法学验证

位置：Equation 2 / Section 3.1
描述：检查引用的 Mamba/状态空间模型（SSM）的基础数学公式是否准确。
证据：
公式 (2) 展示了从连续系统到离散系统的零阶保持（ZOH）转换： $\bar{A} = \exp(\Delta A)$ , $\bar{B} = (\Delta A)^{-1} (\exp(\Delta A) - I) \cdot \Delta B$ 。
该公式与原始 S4 和 Mamba 论文（Gu et al., 2021; Gu and Dao, 2023）中的推导完全一致，属于标准的状态空间模型离散化方法，未发现抄袭低级错误或乱写公式的情况。
严重程度：✅ 正常

发现 3：时间线与实验合理性验证

位置：Abstract / Section 4.1 / 参考文献列表
描述：基于当前时间（2026-06-02），验证论文声称的发表时间、依赖的技术框架及算力消耗是否合理。
证据：
- 会议时间：论文标注为 NeurIPS 2024。在 2026 年看这篇论文，时间线完全合理。
- 技术热点：Mamba 模型自 2023 年底发布后，在 2024 年确实引发了将 SSM 应用于视觉领域的热潮（如 VMamba 等）。本文的工作符合当时的学术热点演进逻辑。
- 算力声明：作者声称在“single NVIDIA TESLA V100 32GB GPU”上训练 500 epochs。对于 ResNet34 作为 backbone 的轻量化模型（Params 25.7M, FLOPs 8.3G），这个配置和时间是非常真实且合理的，没有夸大算力需求以掩饰数据造假。
严重程度：✅ 正常

发现 4：文本解析中的潜在排版问题（非学术造假）

位置：Table 4 / Table 7
描述：在提取的文本数据中，部分数据似乎连接在了一起。
证据：
例如 Table 4 最后一行：WideResNet50 [3,4,6,3] 98.699.598.0 98.0 57.9 60.3 93.8 268.0 68.1。
这显然是 PDF 文本提取时，由于表格列间距过小导致的 OCR 或文本流解析错误（应为 98.6, 99.5, 98.0...）。这属于排版拥挤或解析工具的局限，并非作者伪造数据。
严重程度：🟡 无心之失（解析问题）

耿同学辣评

这篇论文主打一个“真诚”。不仅把七个指标揉成一个 mAD 偷偷算好了给我们查，而且老老实实承认用了 V100 显卡，连数据的小数点后两位都经得起推敲。这种把 Mamba 玩出花来的工作，不仅没有让我抓到 PS 磕药的痕迹，反而让我看到了当年 CVPR 那股子老老实实做实验的清流味儿。这种没有“科技与狠活”的论文，建议某些灌水机器学习学学！

建议后续行动

文本分析未发现异常，无需联系作者。
建议直接参考其实验设置进行复现。
（可选）如果需要 100% 排查，可下载原 PDF 使用软件检测 Figure 1/2/4 的像素级拼接情况，但目前看来属于多此一举。

⚠️ 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。

MambaAD: Exploring State Space Models for Multi-class Unsupervised Anomaly Detection