Loading...
正在加载...
请稍候

Boosting Semi-Supervised Video Captioning via Learning Candidates Adjusters

2026-06-12 07:30

🔍 耿同学打假报告

论文信息

  • 来源:田2.pdf
  • 标题:Boosting Semi-Supervised Video Captioning via Learning Candidates Adjusters
  • 作者:WANRU XU, ZHENJIANG MIAO, JIAN YU, YIGANG CEN, YI TIAN, LILI WAN, YANLI WAN, QIANG JI
  • 期刊:ACM Trans. Multimedia Comput. Commun. Appl.
  • DOI:https://doi.org/10.1145/3652838
  • 发表年份:2024

综合评定:✅ 清白

总结性判断:经“耿同学六式”逐维度检测,本文未发现确凿的、系统性的学术不端证据。发现的异常多为排版、校对或格式层面的疏忽,未涉及核心数据或实验图片的伪造、操纵。文章的实验设计、数据呈现与论述逻辑基本自洽。

详细发现

发现 1:文本拼写与排版错误(疑似OCR或校对遗漏)

  • 位置:全文多处
  • 描述:论文中存在大量典型的拼写错误,如“deine”应为“define”,“irst”应为“first”,“efectiveness”应为“effectiveness”,“luency”应为“fluency”,“proit”应为“profit”,“pesudo”应为“pseudo”等。
  • 证据:这些错误在摘要、引言、方法论等部分密集出现,模式一致。
  • 严重程度:🟡 (不影响科学内容,但严重影响阅读体验和学术严谨性形象)

发现 2:作者单位信息矛盾

  • 位置:标题页及作者联系信息
  • 描述:作者ZHENJIANG MIAO和YIGANG CEN的单位标注为“Beijing Jiaotong University Institute of Information Science, Beijing, United States”。北京交通大学位于中国北京,不可能同时属于美国。
  • 证据:同一作者列表中,其他北京交通大学的作者(如WANRU XU)单位正确标注为“Beijing, China”。
  • 严重程度:🟠 (明显的编辑或作者提交时的笔误,需确认)

发现 3:时间线逻辑存疑

  • 位置:文章末尾版权页时间信息
  • 描述:版权页显示“Received 5 August 2023; revised 10 July 2024; accepted 25 February 2024”。通常的学术出版流程是“投稿 -> 修改 -> 接受”。此处的“revised”(修改)日期(2024年7月10日)晚于“accepted”(接受)日期(2024年2月25日),时间顺序异常。
  • 证据:自相矛盾的时间戳。
  • 严重程度:🟡 (可能是期刊排版系统的显示错误,或对“revised”的定义不同,但属于严重的信息冲突)

发现 4:数据呈现的“完美”趋势

  • 位置:Table 2, Table 3
  • 描述:在Table 2和Table 3中,当使用不同比例(30%, 50%, 80%, 100%)的标注数据时,所提出模型LCABM的所有指标(B@4, R, C)均严格单调递增,且在所有比例下都优于对比模型。这种在所有评估维度上、在所有数据比例下全面、均匀且幅度显著的超越,虽然可能反映模型有效,但趋势过于“完美”,缺乏真实实验中常见的波动或某项指标的非线性表现。
  • 证据:例如Table 2中,LCABM在30%、50%、80%、100%下的CIDEr值(83.13, 95.05, 106.1, 111.76)构成了一条近乎完美的上升曲线。
  • 严重程度:🟡 (可能为模型确实强大的体现,但完美性值得在审查时留意原始数据)

耿同学辣评

这论文像是一锅“学术佛跳墙”,料足味重,但厨师打了个盹:满篇的拼写错误跟撒了把芝麻似的,作者的单位直接从北京“瞬移”到美国,最绝的是文章的“接受”日期居然跑到了“修改”日期的前面——这是提前预定了“已接受”的未来吗?好在数据图表没发现“美颜”痕迹,科研之魂尚在,就是下次麻烦作者和编辑再走心点儿,别让这些低级错误抢了正经工作的戏份!

建议后续行动

  • 无需行动:本报告未发现确凿的学术不端证据。发现的异常属于出版流程和文本编辑范畴。
  • (可选)若对时间线或数据“完美性”有进一步关切,可联系作者要求提供实验原始日志或数据以供核查。

⚠️ 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。