🔍 耿同学打假报告

论文信息

标题：APOLLO: Augmented Prompt Orbital Learning via Label Space Optimization
作者：Anonymous CVPR submission (Paper ID 17023)
期刊：CVPR 2026 (Submission)
DOI：无 (会议投稿阶段)
发表年份：2026
论文来源：CVPR_SUBMISSION_GAO.pdf

综合评定：🟠 高度可疑

评定理由：虽然本文提出了一套看似自洽的“语义轨道”优化框架，但在文本细节、排版规范和实验严谨性上存在大量令人匪夷所思的低级错误。作为一名Top会议的投稿论文，出现了未编译完整的参考文献（满篇问号）、图表错位、甚至在核心消融实验中直接使用“占位符”图片的恶劣情况。这些现象虽然不一定是传统意义上的“数据造假”，但极度缺乏学术严谨性，有“赶工拼凑”、“甚至没做完实验就急忙投稿”的重大嫌疑。科研不是画大饼，图可以是 placeholder，但数据不能是！

详细发现

发现 1：Placeholder 骗审稿人？（实验图表未完成）

位置：Figure 7 (Page 9)
描述：在超参数敏感度分析的消融实验中，作者竟然直接在正文图表中放入了带有“占位符”字眼的图。
证据：原文说明写道：“Figure 7. Hyperparameter sensitivity of APOLLO. Placeholders shown here; curves report Base/New/H averaged across 11 datasets.” 连超参数分析的实际可视化曲线都没有，却声称“曲线报告了11个数据集的平均结果”。
严重程度：🔴 (实锤级别的学术不严谨。CVPR 这样的顶级会议，正文核心图表使用空白占位符，是对审稿人和学术规范的严重挑衅。这通常意味着该实验在投稿时可能根本未完成，甚至可能是为了强行凑足论文页数和“完整性”而捏造的段落。)

发现 2：参考文献大面积崩溃（格式与引用异常）

位置：Section 2. Related Work (Page 2)
描述：论文的 Related Work 部分存在大量未成功编译的 BibTeX 引用标记，甚至出现了直接暴露源码的错误。
证据：原文中出现极其离谱的文本，例如：“CLIP [??”、“CoOp [?”、“CoCoOp [?”。更夸张的是，文中直接出现了一个毫无关联的犬种词汇：“Chihuahua”，这通常是因为在排版 LaTeX 时，将图片标题或某个批注的内容错误地粘贴到了正文文本流中。
严重程度：🟠 (连参考文献都不整理就直接提交的“半成品”，审稿人看到这种排版通常直接 desk reject。这反映出作者的极端敷衍。)

发现 3：“薛定谔的”实验结果（数据与描述的矛盾）

位置：Abstract / Section 1
描述：作者在摘要和引言中大肆宣传模型的优越性，声称其超越了现有 SOTA。
证据：在 Section 4.6 (Limitations) 中作者自己不打自招：“Our margins over strong baselines are often modest; we therefore report averages across multiple datasets and recommend multi-seed reporting for statistical rigor in future work.”（我们在强基线上的优势通常较为 modest；因此，我们报告了多个数据集的平均值，并建议在未来的工作中进行多种子报告以保证统计严谨性）。
严重程度：🟡 (这是典型的“避重就轻”。既然你自己承认提升是“modest（微弱）”的，且“未来”才会做多种子测试，那是不是意味着你当前报告中 Table 1 里那些提升不到 1% 的数据，仅仅跑了一次随机种子？在 CVPR 级别的工作中，缺乏多种子统计检验（如方差分析）的微弱提升，其实际有效性存疑。)

发现 4：表格数据排版混乱（OCR 或复制粘贴痕迹）

位置：Table 1 (Page 6)
描述：在核心的 11 个数据集 Base-to-New 对比表格中，Average（平均值）那一栏的数据排版出现了严重的错位。
证据：在 Table 1 的最后一行 Average 中，数据列与表头完全不匹配。例如，APOLLO 的 Average H 值被标记为 80.33，但这行的数字阵列肉眼可见地比其他行短且错乱（例如缺失了部分方法的数据对齐）。这种错误往往源于作者在 Excel 里算完数据后，粗暴地 Copy-Paste 到 LaTeX 或 Word 中而没有进行对齐校验。
严重程度：🟡 (至少说明作者在论文校对环节极其不用心。数据如果连排版都能错位，谁敢相信你在 Excel 里算均值的时候没算错？)

发现 5：方法描述中的内部逻辑断层

位置：Section 3.3 & Section 4.1
描述：关于模型结构的描述在前后文中存在指代不明的问题。
证据：Section 4.1 明确写道：“And for the main results in Section, we use TCP as textual backbone...”。连章节号都没填上去，直接留空了。这进一步佐证了这是一篇“赶死线”赶出来的毛坯稿。
严重程度：🟡

发现 6：时间线与硬件合理性检测

位置：Section 4.1
描述：检测实验硬件与时间线。
证据：作者声明：“All experiments are conducted using a single NVIDIA RTX 4090 GPU”。投稿目标年份是 CVPR 2026。RTX 4090 作为 2022 年底发布的卡，在 2026 年仍然作为单卡主力去跑 ViT/CLIP 级别的多数据集实验，虽然硬件上可行，但更像是直接沿用了两年前（2024年左右）旧代码库里的标准免责声明模板，没有更新为更新的显卡型号（如 RTX 5090 等）。
严重程度：🟡 (第六式-量产型学术特征：Copy-paste 之前的代码库和方法说明，连设备参数都懒得与时俱进地修改。)

耿同学辣评

这篇文章生动诠释了什么叫“只要胆子大， placeholders 敢当实证发”。连参考文献都是 [??，连图 7 都是黑白占位框，连章节号都忘记填，就敢大喊自己达到了 State-of-the-Art。如果我是审稿人，看到这种“毛坯房”就敢提交来浪费 Top 会议版面的行为，我的评论区绝对会比他的代码还要精彩！学术圈的“缝纫机”好踩，但连针线都没穿好就敢上台走秀，你是真不怕底裤掉下来啊！

建议后续行动

(针对 Reviewer) 强烈建议以“论文未完成度极高”、“缺乏多种子统计检验”为由直接拒稿。
联系作者要求提供原始数据和完整的图表（如果该文后续出现在 ArXiv 上）。
在 PubPeer 上提出质疑（如果论文最终见刊）。

⚠️ 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。

APOLLO: Augmented Prompt Orbital Learning via Label Space Optimization