🔍 耿同学打假报告

论文信息

标题：A dynamic graph structure optimization diagnosis
作者：Zhiyuan Hu, Yangde Lin, Jianrong Li, Juan Lyu
期刊：未注明（从排版和内容看，疑似处于投搞阶段或被低质量期刊/会议接收）
DOI：未提供
发表年份：正文提及2024年文献（如Ref 16, 19），结合当前日期（2026年），推测为2024-2025年左右撰写。
论文来源：2351.pdf

综合评定：🔴 实锤

详细发现

发现 1：参考文献系统级造假（伪造与复制粘贴）

位置：References (第 14 页)
描述：论文的参考文献存在严重的逻辑冲突和重复引用，属于典型的“东拼西凑”甚至利用软件自动生成的假文献。
证据：
1. 完全重复引用：参考文献 [11] 和 [15] 的作者、标题、期刊、卷号、页码完全一模一样（Fu, S. et al.: Few-Shot Learning With Dynamic Graph Structure Preserving...）。
2. 离谱的卷号页码撞车：对比文献 [2] 和 [11]/[15]。虽然期刊不同，但它们的卷号、期号和页码竟然完全一致，全是 2(5), 99–110 (2023)。不同期刊、不同文章拥有完全相同的卷期号和精确到页码的起止页，这在学术界是不可能的。这说明作者在伪造参考文献时，直接复制了同一条目的格式，连页码都懒得改。
严重程度：🔴（确凿的学术造假证据）

发现 2：实验数据“复制粘贴”式伪造（表格异常）

位置：Table 1 (第 10 页) & Table 2 (第 10-11 页)
描述：两份核心结果表格的数据行存在极其反常的重复模式，完全违背了真实深度学习实验中由于随机种子、初始化等因素带来的正常波动。
证据：
1. 死板的“成对”模式：在 Table 1 中，对于同一组超参数设置，表格居然罗列了两个完全不同的指标对（例如：同样是 lr=0.01, epoch=250，一组结果是 f1=0.8305, acc=0.83759，紧跟着的一组变成了 f1=0.8540, acc=0.8665）。
2. 无脑复制填充：这种“一对高指标、一对低指标”的组合被作者原封不动地复制了多次来撑满表格。例如 Cora 0.5 3 0.01 250... 这组参数连带其两个结果，在 Table 1 中原封不动地出现了 5 次（共10行）！Table 2 同样存在这个问题。真实实验不会出现这种Ctrl+C加Ctrl+V的“俄罗斯方块”式排布。
3. 无意义的冗余列：表格中的 annual_epochs 和 epoch 数值每一行都完全一样，属于凑字数或从别处抄来表格未作修改的遗留物。
严重程度：🔴（严重的数据造假嫌疑，伪造超参数对比实验）

发现 3：违背常理的“自吹自擂”（统计学与逻辑异常）

位置：Abstract & Section 4.4 (第 9 页)
描述：作者声称其提出的 DG-SOD 模型在轴承故障诊断中“showed excellent performance（表现优异）”，并具有“obvious advantages（明显优势）”。
证据：作者在摘要和实验结果中白纸黑字地写着，该模型在轴承故障数据集上的准确率仅有 65%！在目前的故障诊断领域（尤其是使用公认的 CWRU 等公开数据集），主流深度学习模型的准确率普遍在 95% 甚至 99% 以上。将一个不及格（或刚刚及格）的 65% 准确率吹嘘为“优异表现”和“重大突破”，不仅是对该领域研究现状的无视，更是睁眼说瞎话。
严重程度：🟠（核心结论毫无价值，夸大研究成果）

发现 4：排版与公式粗制滥造（方法学异常）

位置：Equation 1 (第 8 页) & Equation 2-4 (第 9 页)
描述：论文的公式部分存在明显的排版错乱和凑字数嫌疑。
证据：
1. 代码残留：公式 (1) Focal Loss 的表达式中，居然出现了未经编译的 HTML/Unicode 乱码符号（如 &#3627408477;）。这说明作者极有可能直接从某个网页或不可靠的 PDF 转换工具中复制粘贴了公式，连基本的 LaTeX 排版都没有做。
2. 常识性公式注水：在 Section 4.2，作者竟然花了大篇幅列出了公式 (2)、(3)、(4)，详细推导并向读者展示什么是 TF-IDF。TF-IDF 是机器学习领域极其基础的常识，在一篇宣称研究前沿 GNN 终身学习的论文中，像教本科生一样罗列 TF-IDF 基础公式，纯粹是为了拉长论文篇幅。
严重程度：🟡（学风极其不严谨，论文属于粗制滥造的拼凑产物）

发现 5：图片信息不可验真

位置：全文
描述：文本中未提供足够的原始高清图片信息，无法进行像素级分析（如 Western Blot 或显微镜图等），但考虑到数据表格和参考文献已经发现的严重造假行为，文中用于展示“流程图”和“时频转换”的图片（Fig 1-4）也有极高的概率是从其他文献或网上随意截取拼接而成的素材。
严重程度：🟡（基于现有文本无法实锤，但需保持高度怀疑）

耿同学辣评

这篇论文简直就是“学术拼夕夕”的集大成者！前面的公式直接复制网页带乱码，后面的参考文献连卷号页码都懒得改，两篇不同的文章在作者的笔下竟然神奇地共享了同一串页码（2(5), 99–110），不知道的还以为期刊给你开了专属连载专栏呢！最幽默的是，搞了半天神经网络，准确率只有 65%，还能面不改色地夸自己“表现优异”，这心态不去炒股是真的可惜了。

建议后续行动

向作者所在单位（天津科技大学人工智能学院）学术委员会举报其涉嫌伪造实验数据及伪造参考文献。
若该论文已投稿，建议审稿人直接予以 Reject（拒稿），并提醒期刊编辑部关注该团队的后续投稿。
在 PubPeer 上对该文献（若有 DOI）进行公开质疑，提醒同行避雷。

⚠️ 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。

A dynamic graph structure optimization diagnosis