🔍 耿同学打假报告

论文信息

• 论文来源：终极棒的参考文献！.pdf
• 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)
• 发表年份：2024

综合评定：✅ 清白

（注：经“耿同学六式”逐一筛查，未发现确凿的数据造假或图片操纵证据。本论文主要表现为“Mamba热潮下的标准灌水/跟进工作”，虽然存在文字上的小瑕疵，但核心逻辑自洽，且诚实地报告了部分劣势，这在造假论文中是很少见的。）

详细发现

发现 1：文字排版与拼写错误（匆忙赶稿的痕迹）

• 位置：Table 1 标题, Page 7 正文
• 描述：
  1. 表1（Table 1）的标题中将“Dataset”拼写为“Dateset”。
  2. 第7页第2段中提到“在MVTev-AD和VisA数据集上进行了定性实验...”，其中“MVTev-AD”应为“MVTec-AD”。
  3. 在Table A5（MVTec-3D数据集比较）中，SimpleNet对应的参考文献编号缺失，显示为“SimpleNet []”。
• 证据：这属于典型的“赶稿”失误。造假者通常会仔细打磨图表以掩盖造假，而这些低级文字错误反而侧面说明作者在图表数据生成后，文字部分可能是仓促完成的。
• 严重程度：🟡（轻微问题，属于不够严谨）

发现 2：单类任务结果的诚实报告（加分项）

• 位置：Page 8 左下角正文 & Appendix Table A13
• 描述：在正文中，作者明确承认：“在MVTec-AD数据集的单类任务中，SimpleNet和PatchCore取得了最佳结果，而我们的方法取得了第二好的结果。”
• 证据：这在学术界是一股清流。典型的数据造假论文为了强行证明“State-of-the-Art”，往往会通过操纵数据让自家方法在所有指标、所有设定下都成为第一。MambaAD在单类任务（Single-class）上输给PatchCore，符合其方法设计初衷（专注于统一/多类检测），且数据呈现自然，无强行超越的痕迹。
• 严重程度：✅（自洽）

发现 3：数据分布与随机性检测（统计学视角）

• 位置：Table 1 (Main Results), Table 5, Table 7
• 描述：对表格中的性能指标进行末位数字和分布检查。
  • Table 1: 主结果如 98.6±0.3, 99.6±0.2。标准差（SD）数值合理，并非整数的堆砌。
  • Table 7 (LSS设计消融): 对比 k=3,5 (96.1), k=5,7 (95.8), k=3,5,7 (96.0)。数据呈现自然的波动，没有出现造假中常见的“单调递增且等差”的完美阶梯。
• 证据：数据未呈现“随机数生成器”特征或过于完美的数学规律。
• 严重程度：✅（未触发红旗）

发现 4：时间线与设备合理性（产出异常检测）

• 位置：Section 4.1 (Implementation Details)
• 描述：
  • 模型选择：使用预训练的 ResNet34 作为 Encoder。在2024年的时间点，这是非常保守且合理的选择，没有吹嘘使用了尚未发布或极其昂贵的模型。
  • 训练资源：声称在“single NVIDIA TESLA V100 32GB GPU”上进行500个epoch的训练。
  • 数据集规模：最大的数据集 Real-IAD 包含 150K 张图片。
  • 分析：虽然150K图片训练500 epoch在单张V100上时间较长（可能需要数天甚至一周），但这在实验室常规训练周期内是物理可实现的，并非不可能完成的任务。
• 证据：时间线和设备配置与论文声称的结果在逻辑上是匹配的，没有出现“用算盘计算核弹轨迹”级别的资源错配。
• 严重程度：✅（合理）

发现 5：图片信息缺失声明

• 位置：全文
• 描述：受限于提供的纯文本格式，无法对 Figure 1, Figure 2, Figure 3, Figure 4 以及 Appendix 中的可视化图片（如热力图、重建图）进行像素级分析。
• 证据：无法验证是否存在“一图多用”或“PS拼接”痕迹。
• 严重程度：⚪（无法检测）

---

耿同学辣评

这是一篇标准的“Mamba套壳”论文，模式是经典的“XX is good, but it has Y problem. Mamba is new and solves Y. Let's combine Mamba with XX”。

虽然名字起得很唬人（HSS、LSS、Hilbert扫描），搞了一堆花里胡哨的八方向扫描，但这篇论文在学术诚信上竟然出奇地老实。
看看Table A13，人家老老实实地承认自己单类检测不如PatchCore，甚至还留下了“Dateset”这种赶工明显的拼写错误。这就像是一个刚入行的小偷，虽然手法花哨，但作案现场留下了身份证，还主动承认旁边那个更惨的案子不是自己干的。

结论：这是一篇典型的“想蹭Mamba热度但底线还在”的灌水论文，数据大概率是跑出来的，不是P出来的。建议放过作者，让他回去把拼写检查做了。

建议后续行动

• 联系作者要求提供原始数据 （未发现造假证据，不建议滋扰）
• 在 PubPeer 上提出质疑
• 建议作者在最终版本中修正 "Dateset" 和 "MVTev-AD" 的拼写错误
• 建议审稿人关注其实际创新性（仅将Mamba替换CNN/Transformer的增量工作）

⚠️ 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。