🔍 耿同学打假报告

论文信息

• 标题：A Wavelet-Augmented Dual-Branch Position-Embedding Mamba Network for Hyperspectral Image Change Detection
• 作者：Chen Ding, Xiaofeng Hao, Sirui Zheng, Yizhou Dong, Wenqiang Hua, Wei Wei, Lei Zhang, Yanning Zhang
• 期刊：IEEE TRANSACTIONS ON GEOSCIENCE AND REMOTE SENSING (TGRS)
• DOI：10.1109/TGRS.2025.3602225
• 发表年份：2025
• 论文来源：A_Wavelet-Augmented_Dual-Branch_Position-Embedding_Mamba_Network_for_Hyperspectral_Image_Change_Detection.pdf

综合评定：🟠 高度可疑

详细发现

发现 1：核心实验数据前后矛盾（“薛定谔的最优阈值”）

• 位置：Section IV-C (Comparison Results) vs Section IV-E3 (Threshold Value)
• 描述：论文在主实验结果和超参数分析中，对同一个模型在同一个数据集上的性能，报告了截然不同且互相矛盾的数值。
• 证据：
  1. River数据集：在主实验（Table II 附近文本）中声称 OA 为 96.65%；但在阈值分析部分，作者明确写道最优阈值为 0.8，对应的 OA 值为 93.1%。
  2. Hermiston数据集：主实验声称 OA 为 98.94%；但在阈值分析部分，最优阈值 0.9 对应的 OA 却是 94.5%。
  3. Farmland数据集：主实验声称 OA 为 94.95%；但在阈值分析部分，最优阈值 0.75 对应的 OA 却是 92.8%。
• 分析：这是一个极其严重的逻辑硬伤。如果主实验展示的是最优结果，那么阈值实验中的“最优阈值”对应的 OA 不可能比主实验低 3~4 个百分点。这通常意味着作者在拼凑数据，或者在修改论文时复制粘贴了其他实验的结果却忘记修改数字，属于典型的“复制粘贴后Ctrl+H没替换干净”。
• 严重程度：🔴

发现 2：运行环境版本冲突（“我来自未来的代码”）

• 位置：Section IV-B3 (Implementation Details)
• 描述：论文声称代码基于 PyTorch 1.10.1 和 Python 3.10.0 开发。
• 证据：PyTorch 1.10.1 正式发布于 2021 年 10 月，该版本不支持 Python 3.10。PyTorch 对 Python 3.10 的官方支持是从 PyTorch 1.11（2022年3月发布）开始的。在 PyTorch 1.10.1 上运行 Python 3.10 会遇到各种底层 C++ API 不兼容的问题。
• 分析：这种低级错误在耿同学看来太眼熟了。大概率是作者写论文时，直接复制了实验室前几年其他论文的模板（当时还是 PyTorch 1.x），然后为了显得不过时，顺手把 Python 版本改成了 3.10，却忘了检查两者的兼容性。
• 严重程度：🟡

发现 3：缺失的关键对比参照（“只有我最好”）

• 位置：Section IV-C1 (Competitors)
• 描述：论文选择了一系列对比方法，包括 CVA, SSMIF, HyperNet, 2D-CNN 等。
• 证据：考虑到该论文投稿时间为 2025 年 3 月，且主题为 "Mamba for HSI-CD"，但在对比方法中，除了作者自己课题组的 SSMIF 外，缺乏 2024-2025 年期间其他主流的 Mamba-based 遥感变化检测模型作为对比。特别是引用文献 [48]~[54] 都是 2024 年的 Mamba 相关工作，但在主实验中却并未与这些同类型 SSM 模型进行定量对比。
• 分析：这可能不是造假，但属于“选择性对比”，避开了可能性能更强的最新同类工作。
• 严重程度：🟡

发现 4：数据/图表缺失声明

• 位置：全文
• 描述：受限于提供的文本格式，无法对 Figure 1-15 的图片进行像素级查重，也无法对 Table II-VII 的具体数值进行 Benford 定律（首位数字分布）和方差齐性检验。
• 证据：文本中仅提供了表头，未提供具体数据行。
• 严重程度：🟡 (无法验证)

耿同学辣评

这篇论文生动演绎了什么叫“算法设计猛如虎，一看数据二百五”。作者在宏观叙事上把 Mamba 和小波卷积吹得天花乱坠，结果连最基本的“主实验 OA”和“最优阈值 OA”都对应不上。River 数据集凭空多出来的 3.5% OA 是作者用意念补全的吗？更别提那个 PyTorch 1.10 跑 Python 3.10 的究极梦幻联动了，建议 PyTorch 官方连夜聘请这位作者去解决向后兼容性难题。这种“各写各的、互不干扰”的论文流水线作风，建议严查原始实验记录！

建议后续行动

• 联系作者要求提供原始数据及代码（特别是阈值选择的原始 log 文件）
• 在 PubPeer 上提出质疑（重点询问数据前后矛盾问题）
• 向期刊编辑部举报
• 向作者所在机构学术委员会举报

⚠️ 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。