这是一份基于“耿同学六式”深度分析标准的学术论文诚信检测报告。

🔍 耿同学打假报告

论文信息

论文来源：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 Transactions on Multimedia Computing, Communications, and Applications (ACM TOMM)
DOI：https://doi.org/10.1145/3652838
发表年份：2024

综合评定：🟠 高度可疑

详细发现

发现 1：时间线严重违背逻辑（“时光机”式修改）

位置：论文首页底部版权信息下方
描述：论文的审稿与出版时间线存在不可调和的逻辑冲突。
证据：文本明确标注：
- Received 5 August 2023 （收到日期：2023年8月5日）
- accepted 25 February 2024 （录用日期：2024年2月25日）
- revised 10 July 2024 （修改日期：2024年7月10日）
  严重异常：论文的修改日期竟然比录用日期晚了近5个月！正常的学术出版流程是“投稿 -> 修改 -> 录用”。作者可能在伪造或随意篡改投稿时间节点，或者期刊的元数据管理出现了极其荒谬的低级错误。
严重程度：🟠

发现 2：作者单位地理信息造假/极度粗心

位置：论文首页作者列表及通讯作者信息
描述：作者将位于中国的“北京交通大学”标注为位于“United States”（美国）。
证据：
- ZHENJIANG MIAO, Beijing Jiaotong University Institute of Information Science, Beijing, United States
- YIGANG CEN, Beijing Jiaotong University Institute of Information Science, Beijing, United States
  分析：北京交通大学 (Beijing Jiaotong University) 位于中国北京。这里出现了两个可能的严重问题：要么是作者在利用虚假的海外单位信息“镀金”（学术不端）；要么是作者在拷贝其他论文的 LaTeX 模板时，忘记修改国家字段，反映出极度的治学不严谨。
严重程度：🟠

发现 3：表格数据微小的反常波动

位置：Table 4 (Page 14)
描述：在进行多阶段（EM算法）训练时，某些指标的增长轨迹不符合常规的模型收敛规律。
证据：
在 Table 4 中，随着阶段 T 的增加，M-step 和 E-step 的指标理应呈现单调递增（或趋于平缓）。然而：
- T=3 E-step: B@4 = 43.66
- T=4 E-step: B@4 = 43.01
  模型在经过一轮完整的 E-step 和 M-step 迭代后，B@4 分数不仅没有提升，反而出现了下降（从 43.66 跌至 43.01）。但在同表格中，同一行的 ROUGE-L、CIDEr 却在持续上升。虽然理论上指标波动存在可能，但在这种“人工调参痕迹明显”的表格中，部分指标涨、部分指标跌，且恰好跌破了前一阶段的最高点，存在为了让“其他指标更好看”而选择性汇报或微调数据的嫌疑。
严重程度：🟡

发现 4：文本词汇的重复模式（可能存在的模板化写作）

位置：全文
描述：文中出现了大量极其相似的句式结构。
证据：例如在第2节 Related Works 中：
- "A novel fully convolutional network (FCN)... is exploited in..."
- "A multi-layer sequential model... is proposed in..."
- "A syntax-guided hierarchical attention network... is introduced to..."
- "A trajectory structured attentional... is presented to..."
  虽然使用模板句式本身不算造假，但结合前面的地址错误和时间线错误，整篇论文的“组装感”极强。
严重程度：🟡

注：根据耿同学六式的第一式和第三式，本报告本应对图片进行像素级查重（如Western blot、凝胶电泳图等）。但由于本论文为计算机视觉（CV）领域的算法论文，主要包含的是框架图（Figure 1, 2, 3）和可视化输出图（Figure 4, 5），不涉及生物医学实验图片，且提供的文本中无法提取高清像素信息，因此无法进行PS痕迹和图片复用检测。

耿同学辣评

这篇论文真是绝了，直接把北京交通大学“搬迁”到了美国，实现了学术界的一次“非法移民”！更厉害的是，作者自带“时光机”，论文2月份就被录用了，7月份还能穿越回去提交修改稿。连自己学校在哪个国家、时间是怎么流逝的都搞不清楚，我真很难相信你们能调得好那么复杂的 Transformer 模型。这是做科研呢，还是在玩《文明6》一键作弊呢？

建议后续行动

建议读者在引用此文时保持警惕，验证其开源代码（如果有的话）的复现性。
强烈建议 ACM TOMM 期刊编辑部核实该论文的原始投递记录和修改记录，调查是否存在时间线篡改。
建议北京交通大学核实作者单位的标注问题，澄清是否属于虚假标注。

⚠️ 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。

Boosting Semi-Supervised Video Captioning via Learning Candidates Adjusters