🔍 耿同学打假报告

论文信息

论文来源：1710.08005v5.pdf
标题：Smart “Predict, then Optimize”
作者：Adam N. Elmachtoub (Columbia University), Paul Grigas (University of California, Berkeley)
期刊：预印本 (arXiv:1710.08005v5 [math.OC])，后正式发表于 Management Science 等顶级期刊（在此仅针对提供的文本进行评估）
DOI/编号：arXiv:1710.08005v5
发表年份：2020 (v5 更新于 19 Nov 2020)

综合评定：✅ 清白

详细发现

由于本文是一篇纯理论算法与运筹学领域的论文，主要以数学公式推导、定理证明以及合成数据仿真实验为主。因此，“耿同学六式”中针对生物医学论文的图片造假（PS痕迹）、抗体造假、 Wetern Blot 条带复用等检测维度并不完全适用。但本报告依然秉持严谨的态度，基于六式核心逻辑（数据生成逻辑、时间线、方法学一致性等）进行了全面扫描。

发现 1：图片复用与拼接检测（第一式 & 第三式）

位置：Figure 1, Figure 2, Figure 3, Figure 4, Figure 5
描述：论文中出现的图片均为几何图解、散点拟合图以及合成数据的箱线图。
证据：文本中未提供足够的原始像素信息供分析，但从图注的逻辑来看：Figure 1 展示了多边形和椭圆形可行域，Figure 2 展示了预测与决策残差的对比，Figure 4 和 Figure 5 则是不同算法在多种参数下的 box plot。由于是代码生成的数学图形，不存在“Western blot 泳道拼接”或“显微镜图片翻转”的动机与痕迹。
严重程度：🟢 无异常

发现 2：数据造假与统计学异常检测（第二式 & 第四式）

位置：Section 6 (Computational Experiments) 与 Appendix D
描述：实验数据为明确的“合成数据”。作者设计了严格的数学模型来生成数据，这在算法评估中是标准做法。
证据：
1. 实验设计严谨：作者明确给出了数据生成的多项式公式（包含 degree 参数 deg 和噪声参数），且每次实验运行 50 次独立模拟（"we run 50 simulations, each of which has a different $$B^*$$ "），这符合机器学习评估的严谨规范，排除了“单次实验中彩票”的嫌疑。
2. 结果符合真实客观规律：在 Figure 4 的结果描述中，作者诚实地承认在样本量较小（n=100）或模型没有误设（deg=1）时，最传统的 Least Squares（最小二乘法）表现最好，SPO+ 可能会过拟合。真实的科研往往是不完美的，作者没有刻意掩饰自己提出的方法在特定情况下的劣势，这种“自爆其短”的写法具有极高的可信度。
3. 统计学方面未呈现不可能的完美表格或 p-hacking 现象。
严重程度：🟢 无异常

发现 3：时间线与引用方法学异常检测（第五式 & 第六式）

位置：全文及参考文献
描述：基于当前日期（2026-06-17）审查其（2020年 v5版本）的引用和方法学逻辑。
证据：
1. 时间线合理性：论文第一版提交于 2017 年 10 月，v5 更新于 2020 年 11 月。文中提到了使用 JuMP package in Julia (Dunning et al. (2017)) 和 Gurobi solver。这些工具在 2017-2020 年期间已是运筹学领域的标准主流工具，不存在“使用未来版本工具”的穿越情况。
2. 内部逻辑一致性：正文提出的 SPO+ 损失函数公式在 Proposition 1-8 与 Theorem 1 中进行了层层推导。在 Appendix B 中给出了详尽的数学证明。文本中方法学描述前后一致（如 $n \in \{100, 1000, 5000\}$ ，测试集大小 10,000），未出现前后矛盾或变量缺失。
3. 后续影响：根据学术常识，SPO (Smart Predict, then Optimize) 框架是“决策智能/运筹机器学习”交叉领域的标志性论文之一，被后续大量顶会/顶刊文章引用，其学术声誉良好。
严重程度：🟢 无异常

耿同学辣评

各位同学，今天咱们看了一篇让“图片打假达人”无从下手的纯数学与算法硬核论文。咱们就是说，这篇论文全是骨头没有肉——没有蛋白印迹，没有细胞荧光，只有冷冰冰的公式和代码。作者连做实验用的数据都是自己老老实实写公式生成的，跑出了几十万行数据，还非常坦诚地承认“我的算法在某些情况下确实不如最基础的线性回归”。这种坦诚，简直让看惯了学术造假套路的耿同学感动得想落泪。做理论算法的这帮人，确实只能靠硬实力说话，Photoshop 在这里毫无用武之地！

建议后续行动

无需联系作者提供原始数据（因为数据生成代码和数学推导已完全公开）
无需在 PubPeer 提出质疑
放心引用，这是一篇经得起推敲的高质量基线论文

⚠️ 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。

Smart “Predict, then Optimize”