🔍 耿同学打假报告

论文信息

标题：Unified Anomaly Detection methods on Edge Device using Knowledge Distillation and Quantization
作者：Sushovan Jena, Arya Pulkit, Kajal Singh, Anoushka Banerjee, Sharad Joshi, Ananth Ganesh, Dinesh Singh, Arnav Bhavsar
期刊：Elsevier (Preprint / 预印本，提交日期 2024年7月4日)
DOI：文本中未提供
论文来源：边缘部署对比.pdf

综合评定：🟠 高度可疑 (排版灾难与数据矛盾)

详细发现

发现 1：引用与方法学异常（写完连草稿都没检查？）

位置：Section 2.1, Section 3, Section 4
描述：论文中存在大量未填补的占位符和极其低级的排版遗漏。
证据：
1. 在 2.1 节中，出现了空引用：[[],[]]，这在 LaTeX 中通常是因为编译错误或未填写的 bib item。
2. 在 3.3 节末尾，出现了 STFPM [6] (Section).。
3. 在 4.1 节末尾，连续出现了 (Section).、(Section).。
  作者在文中多次指引读者参考特定章节，但连章节号都没有填上去。这属于极其敷衍的“量产型”写作态度。
严重程度：🟠 (态度敷衍，严重缺乏学术严谨性)

发现 2：数据造假/排版失误检测（数据左右横跳）

位置：Table 3 vs Table 7
描述：核心对比表格中的关键实验数据存在自相矛盾。
证据：
在 Table 3 中，Reverse Distillation (RD) 在 Jetson 设备上的推理时间记录为 166.60 ms。
但在 Table 7 的汇总表中，同一个模型在同一个设备上的推理时间却变成了 66.60 ms（(1365.4, 66.60)）。
对比上下文，如果真实耗时是 166.60ms，则符合文中提到的加速比；如果是 66.60ms，则与 Table 3 矛盾。这种核心数据的“瞬移”让人对整个实验记录的真实性产生严重怀疑。
严重程度：🔴 (核心数据矛盾，无法判断哪个是真实的)

发现 3：数据造假检测（薛定谔的模型加速）

位置：Table 3 vs Table 4, Table 6
描述：US 模型在量化前后的耗时变化极其反常，且作者未作任何解释。
证据：
根据 Table 3，US 模型在 CPU 上的 FP32 推理时间为 18274 ms。
但在 Table 4 和 Table 6 中，US 模型经过量化到 INT-8 后，在 CPU 上的推理时间居然高达 13968.88 ms (PTQ) 和 14607.53 ms (QAT)。
模型大小从 26.8 MB 骤降到了 11.8 MB，但推理时间几乎没有相应比例的显著下降（对比同表中的 STFPM，从 275ms 降到 234ms）。如果是遇到了特定层不支持量化导致退回 FP32 计算，专业的论文应当明确分析原因，但作者在此含糊其辞。
严重程度：🟡 (数据不符合常理，缺乏专业解释)

发现 4：图片/逻辑检测（无法进行的像素级分析）

位置：全篇
描述：由于文本中未提供实际的图片文件，无法对 Figure 1, 2, 3, 4 的热力图、折线图进行 PS 痕迹或一图多用的检测。
证据：N/A。
严重程度：🟡 (信息不足)

耿同学辣评

这篇论文生动诠释了什么叫“只要我跑得够快，Reviewer 的细心就追不上我”。把连 [Section] 和 [],[] 占位符都没替换完的 LaTeX 残次品就敢往 Elsevier 投，不知道是赶着交差还是真觉得编辑不会看？更离谱的是，Table 3 和 Table 7 里的数据还能凭空少个 100 毫秒，不知道的还以为 Jetson 会魔法。建议作者先把“学术严谨”四个字刻在键盘上，再回来搞量化！

建议后续行动

仔细核对论文文本，补充所有遗漏的 Section 章节号
重新检查 Table 3 和 Table 7 中 RD 模型的 Latency 数据，确认哪个是笔误并向编辑说明
联系作者要求提供原始推理脚本和日志，核实 US 模型量化后耗时异常的原因
在 PubPeer 上提出质疑 (如果论文已被接收)

⚠️ 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。

Unified Anomaly Detection methods on Edge Device using Knowledge Distillation and Quantization