🔍 耿同学打假报告

论文信息

• 论文来源：2603.17360v1.pdf (arXiv预印本)
• 标题：MCoT-MVS: Multi-level Vision Selection by Multi-modal Chain-of-Thought Reasoning for Composed Image Retrieval
• 作者：Xuri Ge, Chunhao Wang, Xindi Wang, Zheyun Qin, Zhumin Chen, Xin Xin
• 期刊/会议：The Web Conference 2026 (WWW '26)
• DOI：https://doi.org/10.1145/3774904.3792287
• 发表/预印本时间：2026年3月18日 (arXiv提交时间)

综合评定：✅ 清白 (未发现明显异常)

详细发现

经过“耿同学六式”的严密筛查，这篇论文在文本逻辑、数据一致性和时间线上表现良好，未发现系统性造假痕迹。具体检测维度分析如下：

第一式：图片复用检测

• 位置：Figure 1, Figure 2, Figure 3
• 描述：基于提供的文本信息无法进行像素级别的分析（无法直接读取图像文件），但根据图文对应关系的逻辑来看，Figure 1 的 A/B/C 对比逻辑自洽；Figure 3 中展示的注意力热力图（如 0.83, 0.02 等权重数值）与文本中提到的“增强保留区域，抑制删除区域”的描述完全吻合。
• 证据：没有出现明显的图文不符或 caption 互相矛盾的问题。
• 严重程度：🟢 正常（受限于纯文本输入，无法做100%绝对判定）

第二式：数据造假检测

• 位置：Table 1 (CIRR数据集), Table 2 (FashionIQ数据集)
• 描述：对论文中报告的核心结果进行了数学交叉验证，数据完全自洽，不存在随机生成器生成的痕迹。
• 证据：
  • Table 1 验证：MCoT-MVS 的 R@1(55.33), R@5(84.75), R@10(91.45), R@50(98.55)。计算其平均值：(55.33+84.75+91.45+98.55)/4 = 82.52，与论文报告的 Avg (82.52) 完全一致。其他 baseline（如 TIRG, CASE）的均值计算也均精确自洽。
  • Table 2 验证：MCoT-MVS 的 R@10 三类均值为 (58.45+63.24+68.02)/3 = 63.236 ≈ 63.24，R@50 均值为 (78.92+81.15+85.97)/3 = 82.013 ≈ 82.01，数学计算完全正确。
• 严重程度：🟢 正常

第三式：图片拼接检测

• 位置：全文
• 描述：本论文属于深度学习/计算机视觉领域的算法应用论文，没有传统生物医学论文中的 Western blot 或凝胶电泳图。主要图表为网络架构图（Figure 2）和可视化热力图（Figure 3）。未在文字描述中发现明显的拼接特征线索。
• 严重程度：🟢 正常

第四式：统计学异常检测

• 位置：Table 3 (消融实验), Table 4, Table 5
• 描述：CV领域的检索论文通常不使用 p 值和标准差 (SD)，而是使用固定随机种子（论文明确声明 random seed is set to 124）跑出单一的 Recall 指标。这种评测范式是合理的，不存在 p-hacking 的空间。
• 证据：Table 3 的消融实验逻辑非常严密。论文正文声称“当移除 PVRS 模块时，与 No.4 相比下降 0.59%”。查表可知，No.4 (54.50) - No.6 (53.91) = 0.59%。正文与表格数据高度联动，作者对数据的把控非常精准，没有信口开河。
• 严重程度：🟢 正常

第五式：产出异常检测（时间线验证）

• 位置：全文（特别是方法部分与脚注）
• 描述：以当前日期（2026-06-17）为基准，论文的时间线与使用的技术栈完全合理。
• 证据：
  • 会议时间：WWW '26 标注的时间是 2026年4月13-17日，arXiv 预印本时间是 2026年3月18日，符合“先放预印本再开会”的学术常规节奏。
  • 模型引用：论文使用了 Qwen2.5-VL-32B 和 Llama-3.2-11B-Vision。这两个模型均在 2024 年底至 2025 年初发布，作者在 2025 年进行实验并于 2026 年初投稿，完全符合现实科技发展的时间线，不存在“穿越使用未来模型”的造假情况。
• 严重程度：🟢 正常

第六式：引用与方法学异常

• 位置：Algorithm 1 与正文 3.3 节
• 描述：方法学描述详尽，内部逻辑一致。
• 证据：作者开源了代码 (GitHub 链接已给出)。Algorithm 1 的伪代码逻辑（从输入 triplet 到 MLLM 推理，再到 CLIP 特征提取和最终 Loss 计算）与正文 Section 3 的数学公式推导高度一致。没有发现为了掩盖漏洞而故意写得含糊不清的地方。
• 严重程度：🟢 正常

耿同学辣评

这篇论文的作者是个“老实人”。不仅表格里的平均值算得一毫不差（小数点全对得上），正文里随口提一句的消融实验数据（下降0.59%）去表格里一对，竟然严丝合缝！这在注水严重的 AI 圈简直是清流。不懂生化环材那帮人 Western blot 的花活儿，搞计算机的想造假往往只能偷偷改跑分，但这位作者连代码和模型都敢直接开源放 GitHub，这波属于是“主打一个真诚”。没啥可锤的，散了散了！

建议后续行动

• 联系作者要求提供原始数据 (作者已主动开源)
• 在 PubPeer 上提出质疑
• 向期刊编辑部举报
• 建议相关方向的同行直接去 GitHub 复现该模型，用代码结果做最终的检验。

⚠️ 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。受限于输入格式，本报告未进行底层的图像像素级检测。