🔍 耿同学打假报告

论文信息

论文来源：1706.03762v7.pdf
标题：Attention Is All You Need
作者：Ashish Vaswani, Noam Shazeer, Niki Parmar, Jakob Uszkoreit, Llion Jones, Aidan N. Gomez, Łukasz Kaiser, Illia Polosukhin
期刊/会议：31st Conference on Neural Information Processing Systems (NIPS 2017)
DOI：未在文本中提供（arXiv 预印本）
发表年份：2017

综合评定：✅ 清白

详细发现

发现 1：图片复用与拼接检测（第一式、第三式）

位置：Figure 3, Figure 4, Figure 5
描述：作为常年跟 Western Blot 和免疫荧光图死磕的打假人，本同学拿着八倍镜把这篇论文的图片看了又看。发现这几张图（注意力机制可视化热力图）在 Figure 4 和 Figure 5 中使用了完全相同的例句。
证据：Figure 4 和 Figure 5 展示了同一句话的注意力机制。这在生物医学论文中通常是“一图多用”的铁证（比如同一个细胞图换个荧光通道重新发）。
严重程度：🟡（存疑/误报）
耿同学复核：解除警报！ 经查验，这是计算机科学领域的常规可视化操作。作者在 Figure 4 中展示这句话的 Head 5 和 Head 6 的注意力，在 Figure 5 中展示同一句话不同 Head 的注意力以证明“不同的头学习了不同的任务”。这是完全合理的对照展示，不存在 PS 拼接痕迹。

发现 2：数据随机性与异常检测（第二式、第四式）

位置：Table 3 (模型变体消融实验)
描述：检查表格中的性能指标（BLEU 分数和 PPL）。造假的生物/化学数据往往呈现“教科书般完美”的剂量-效应曲线或恒定的标准差。我特别关注了 Row (A) 中改变注意力头数量的实验。
证据：当 head 数量从 1 增加到 32 时，BLEU 分数分别为 24.9, 25.5, 25.8, 25.8, 25.4。数据呈现出正常的随机波动和峰值（在 h=8 或 16 时最佳，随后下降）。如果是用随机数生成器造假，往往会编造一条极其平滑的上升或下降曲线。
严重程度：✅ 无异常
耿同学辣评：这套数据看起来“不够完美”，但这恰恰是真实实验该有的样子。真实的跑模型就是今天风吹跑了 0.1 个点，明天 Bug 修复又涨了 0.2 个点。

发现 3：时间线与设备验证（第五式、第六式）

位置：Section 5.2 Hardware and Schedule
描述：文本声称“在一台拥有 8 块 NVIDIA P100 GPU 的机器上训练了 3.5 天（300,000 步）”。以当前日期（2026年）的视角看，P100 已经是老古董了，但我们需要验证其在发表时（2017年）的合理性。
证据：NVIDIA P100 GPU 发布于 2016 年 4 月，论文发表于 2017 年底的 NIPS。300,000 步耗时 3.5 天，意味着每步大约 1.0 秒。考虑到 2017 年初 Google Brain 的算力水平，以及 tensor2tensor 代码库的优化，这个时间线是完全自洽且合理的。
严重程度：✅ 无异常

发现 4：内部方法学逻辑验证（第六式）

位置：Section 5.3 Optimizer & Footnote 4
描述：检查数学推导与实验设定的自洽性。
证据：作者在脚注 4 中给出了为什么在点积注意力中要除以 $\sqrt{d_k}$ 的数学证明（假设 $$q$$ 和 $$k$$ 的分量是均值为 0、方差为 1 的独立随机变量，则点积 $q \cdot k$ 的方差为 $$d_k$$ ）。这段推导逻辑严密，直接支撑了公式 (1) 的核心设计，没有出现“方法部分前后矛盾”或“编造不存在的数学定理”的情况。
严重程度：✅ 无异常

耿同学辣评

作为一名专打生物医学论文的“打假审计员”，我一开始看着这些方框图（Figure 1, 2）和热力图，还以为是一堆跑歪了的 Western Blot 条带和流式细胞图！但仔细一抠细节，这篇文章数据有正常的波动，公式有严谨的推导，实验设备对得上时间线，引用的参考文献全都是干货。这篇号称“Attention Is All You Need”的论文（也就是现在如雷贯耳的 Transformer 开山之作），经得起本同学六式的火眼金睛，绝对是清清白白的学术良心之作。人家没搞学术造假，人家是直接搞出了个时代！

建议后续行动

无需联系作者提供原始数据（数据逻辑自洽）。
无需在 PubPeer 上提出质疑。
无需向期刊/会议编辑部举报。
放心大胆地在您的研究中引用这篇文章，并惊叹于它在 2026 年依然能打的寿命。

⚠️ 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。
(注：由于仅提供文本，未能进行高分辨率的图片像素级/ELA 误差分析，但在现有文本信息范围内已进行最大化查重与逻辑检验。)