🔍 耿同学打假报告

论文信息

论文来源：2210.08495v1.pdf
标题：Pareto Set Learning for Expensive Multi-Objective Optimization
作者：Xi Lin, Zhiyuan Yang, Xiaoyuan Zhang, Qingfu Zhang
机构：香港城市大学计算机科学系
期刊/会议：36th Conference on Neural Information Processing Systems (NeurIPS 2022)
DOI/arXiv：arXiv:2210.08495v1 [cs.NE]
发表年份：2022 (当前审核日期基准：2026-06-17)

综合评定：🟡 存疑 (学术快餐与引用不规范)

详细发现

发现 1：套娃式学术产出（概念复用与“换壳”发表）

位置：全文核心概念及参考文献区
描述：这篇论文的核心贡献是提出了一个名为 PSL (Pareto Set Learning) 的模型，即用一个 MLP 神经网络将偏好权重映射为帕累托最优解。然而，查阅作者自己的引用文献 [51] (X. Lin, Z. Yang, and Q. Zhang. Pareto set learning for neural multi-objective combinatorial optimization. In ICLR 2022)，同一拨作者在同年（甚至可能只差几个月）的顶会 ICLR 上，已经发表了同名核心机制（Pareto Set Learning, PSL）。
证据：本文的方法（将 preference 输入 MLP 输出 solution，结合 Tchebycheff scalarization）与作者团队此前的论文高度一致。典型的 AI 圈“一套代码打天下”模式：把多任务学习（MTL）、组合优化和本文的贝叶斯优化（BO）分别包装成三篇顶会论文。
严重程度：🟡 (属于 AI 圈常见的“灌水”套路，虽不构成严重的数据造假，但原创性大打折扣)

发现 2：幽灵参考文献（极不严谨的格式与引用）

位置：References 部分 [9] 和 [29]
描述：
- 文献 [9] 写着：“Convex optimization. Cambridge University Press, 2004.”。这实际上是一本极其经典的著作，作者是 Stephen Boyd 和 Lieven Vandenberghe。作为一篇严谨的学术论文，竟然在参考文献中直接漏掉了作者姓名。
- 文献 [29] 写着：“arXiv preprint arXiv:1807.02811, 2018.”。不仅没有作者，甚至连论文标题都没有！只甩了一个 arXiv 编号。
证据：这种低级错误通常发生在使用文献管理软件（如 BibTeX）时没有仔细检查，或者是粗制滥造、赶工拼接的产物。
严重程度：🟠 (对于顶会 NeurIPS 论文来说，这种错误是不可原谅的格式崩塌)

发现 3：图片复用与 PS 痕迹检测（不适用/通过）

位置：Figure 1 ~ Figure 18
描述：本文是计算机科学领域的论文，图表主要由算法生成的 matplotlib 折线图（HV Difference 曲线）和 3D 散点图（Pareto Front 散点）构成。
证据：由于没有 Western blot、显微镜图等湿实验图片，无法进行像素级噪点比对和翻转检测。但观察所有实验曲线，阴影部分（方差）呈现出了正常的随机波动，没有出现“全平行、无交叉”的违背统计学常理的完美曲线。
严重程度：✅ (未见异常)

发现 4：数据造假与统计学异常检测（通过）

位置：Table 1, Table 3 及附录实验数据
描述：检查了 Table 3 中各算法的 Runtime（运行时间）数据，例如 PSL 的 5.26 + 1.33 = 6.59，6.01 + 1.21 = 7.22。所有加法在数学上完全自洽。
证据：运行时间数据末位分布合理（包含 1, 2, 3, 6, 7, 8, 9 等），没有出现“整齐划一”的随机数生成器造假特征。实验声明了跑 10 次取平均值，符合 CS 圈规范。
严重程度：✅ (未见异常)

发现 5：引用与时间线冲突（勉强自洽的“占坑”行为）

位置：参考文献 [30]
描述：文献 [30] 引用了：“Bayesian Optimization. Cambridge University Press, 2022. in preparation.”
证据：在 2022 年 10 月投稿时，引用一本还在“in preparation（准备中/未出版）”状态的书籍。虽然这在 CS 理论圈偶有发生（同行圈子内提前拿到了草稿），但从 2026 年的今天回头看，这种引用未公开发表物的行为存在学术“占座”和强行拉近关系的嫌疑。
严重程度：🟡

耿同学辣评

这篇论文证明了一个真理：在深度学习时代，只要你懂 MLP (多层感知机)，你就可以今天把它套在图像上发一篇文章，明天套在组合优化上发一篇文章，后天套在贝叶斯优化上再发一篇文章！一套皮肤换三个游戏玩。当然，比起换皮肤，更厉害的是连参考文献的作者名和标题都能弄丢（文献 [9] 和 [29]），这是把审稿人当成了瞎子，还是把 LaTeX 的 \bibitem 当成了盲盒呢？作为 NeurIPS 的论文，这吃相稍微有点难看了啊！

建议后续行动

~~联系作者要求提供原始数据~~ (CS 论文已开源代码：https://github.com/Xi-L/PSL-MOBO)
在 PubPeer 上提出质疑（主要是针对引用极度不规范的问题）
向期刊编辑部举报（不适用，已为发表状态，但可提醒 NeurIPS 委员会注意此类灌水套路）
建议读者在引用该文时，注意甄别其与作者前期工作（如 ICLR 2022 同名方法）的区别，避免被“换壳”概念误导。

⚠️ 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。

Pareto Set Learning for Expensive Multi-Objective Optimization