🔍 耿同学打假报告

论文信息

• 标题：HLGFA: High–Low Resolution Guided Feature Alignment for Unsupervised Anomaly Detection
• 作者：Han Zhou, Yuxuan Gao, Yinchao Du, Xuezhi Zheng
• 期刊/来源：arXiv:2602.09524v2 [cs.CV] (预印本)，论文来源文件：HLGFA(新).pdf
• 发表年份：2026 (提交日期为 2026年2月26日)
• 作者机构：Innolight Technology Research Institute (联调技术有限公司研究院)

综合评定：🟠 高度可疑

详细发现

发现 1：核心实验数据大面积离奇缺失（表格模板化造假特征）

• 位置：Section 4.2 Table 1 与 Section 4.3 Table 2
• 描述：
  1. Table 1 (与SOTA对比)：作者声称在MVTec AD数据集上进行了实验，但表格数据出现了严重的列对不齐和数据丢失。例如，cable类别最后只剩下一个数据95.8，完全无法对应ROC-I, ROC-P, AP-P三个指标；capsule、hazelnut等行甚至只出现了两三个数字。更诡异的是，作为本文提出的方法，HLGFA (Ours) 在多行的数据完全缺失，反而竞争对手的数据有时占据了多列。
  2. Table 2 (消融实验)：表格表头列出了 Cos, JS, Gram, L1, AUROC-I，下方只给出了打勾（✓）的不同组合，但没有任何一行填写了具体的 AUROC-I 数值！
• 证据：真实的学术论文在投稿或发布在 arXiv 时，不可能出现核心结果表格全为空或只剩下残缺数字的情况。这极大概率是使用了某种论文生成模板、或是复制粘贴其他论文表格时忘记填入自己伪造/生成的数据。
• 严重程度：🔴

发现 2：文本生成的明显断层与残缺（AI生成或粗制滥造痕迹）

• 位置：Abstract 与 Section 1 (Introduction)
• 描述：
  1. 摘要中写道：“In this paper, we propose, a high-low resolution guided feature alignment framework...”，这里明显少了一个算法的代称（应该 propose HLGFA, a...）。
  2. 引言部分的贡献总结出现了极为明显的列表残缺。作者写道：“The main contributions of this work are summarized as follows: – anomalies through cross-resolution feature inconsistency. – ables stable cross-resolution feature alignment...” 这里的破折号后面不仅没有标号，而且动词开头直接断句（如将 enables 写成了 ables），极像大语言模型生成时发生的截断，或者是作者在拼凑文本时发生的严重失误。
• 证据：连贯性断裂和语法缺失表明该论文未经严谨的校对，符合“量产型学术”或“赶工拼凑”的特征。
• 严重程度：🟠

发现 3：方法学描述存在逻辑自相矛盾

• 位置：Section 3.1 High–Low Resolution Feature Guide
• 描述：作者在描述高低分辨率构建时写道：“Given an input image, we construct a high-resolution view and a low-resolution view via down-sampling.”（给定输入图像，我们通过下采样构建高分辨率视图和低分辨率视图）。
• 证据：既然是“high-resolution view”（高分辨率），怎么可能通过“down-sampling”（下采样）得到？这在图像处理和计算机视觉中是基本的逻辑错误。下采样只能得到低分辨率视图。这说明作者在撰写方法部分时可能存在套用模板或不理解自身所写内容的情况。
• 严重程度：🟡

发现 4：公式与排版符号的严重乱码/拼接痕迹

• 位置：全文公式部分 (Eq. 1 - Eq. 10)
• 描述：论文中出现了大量极其诡异的符号组合，例如 ψψΦarψıf℘⌣ıl℘⌢sψ/ψ♮mathcalψıU℘⌢s↼f⌣ıl℘⌢s↽,ψ。
• 证据：这并不是标准的 LaTeX 渲染错误（通常显示为空白或简单公式符），这种混合了音标、特殊符号的乱码，常见于从加密或特殊排版的 PDF 中强行提取文本，或者使用了某些不合规的公式抓取工具进行论文洗稿。
• 严重程度：🟡

发现 5：参考文献列表的异常截断

• 位置：Section References (参考文献)
• 描述：文献 1 和 2 的内容为：“1. sive real-world dataset...” 和 “2. and segmentation method...”。
• 证据：文献的开头被生硬截断，丢失了主语和谓语（如 1 可能原本是 "A comprehe[nsive] real-world dataset..."）。这属于排版或生成工具导致的低级错误。
• 严重程度：🟡

发现 6：时间线验证

• 位置：参考文献与摘要
• 描述：当前日期为 2026-06-03，论文提交时间为 2026-02-26。文中引用了 ECCV'24, NeurIPS'25 等会议的文献。
• 证据：时间逻辑上没有发现穿越未来的问题，时间线通过。
• 严重程度：✅ (无异常)

(注：因当前仅提供文本，未提供论文原始的高清图片文件，第一式“图片复用”、第三式“图片拼接检测”无法进行像素级比对。第四式统计学异常因 Table 1 和 Table 2 数据大面积缺失而无法进行有效的分布验证。)

耿同学辣评

这篇论文可以说是典型的“半成品包浆装新酒”。摘要里连自己提出的模型名字（HLGFA）都能漏掉，贡献部分直接玩起了“欲言又止”，最离谱的是 Table 2 的消融实验居然一行具体数据都没有！我见过造假数据的，也见过把数据造得很完美的，但这种“表格我画好了，数据等我哪天想起来再填”的迷之操作，真的是把学术审查当成了过家家。建议作者先去学好怎么用 Word 或 LaTeX，再来讲什么 High-Low Resolution 吧！

建议后续行动

• 暂不联系作者：目前证据显示这极大概率是一篇尚未完成的初稿，或者是上传错误的废稿文件，建议先确认 arXiv 上的正式版本是否有更新。
• 核对原始出处：检查该作者团队是否在其他期刊或会议上提交过同名论文且包含完整数据。
• 在 PubPeer 上提出质疑（若确认该版本被正式作为科研成果宣传）。
• 向 Innolight 研究院学术委员会反馈：提醒其员工在发布预印本时注意基本的学术规范和数据完整性。

⚠️ 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。