🔍 耿同学打假报告

论文信息

• 标题：ClinAlign—a memory-based retrieval framework aligned with clinical workflow（根据摘要提取，正文标题部分因排版/解析丢失）
• 作者：匿名/未提供（双盲审稿格式，文件名为 IJCAI__ECAI_26_Formatting_Instructions (1).pdf）
• 期刊/会议：IJCAI-ECAI 2026 (投稿/格式模板)
• DOI：未提供
• 发表年份：2026 (基于当前时间线和文件名推断)

综合评定：🟠 高度可疑

详细发现

发现 1：图表数据离奇缺失与"图文不符"（方法学与图表异常）

• 位置：Table 2 (IU X-Ray 数据集结果)、Table 3 (消融实验)
• 描述：在 Table 2 中，声称展示了 IU X-Ray 的 NLG 指标，但在 "Ours"（本文模型）这一行，BLEU-1、BLEU-4、METEOR 数据全部诡异消失，仅在文末孤零零地挂着一个 "0.397"（结合正文推断为 ROUGE-L）。而在 Table 3（消融实验）中，表格内部数据完全为空，只有表头和几个对勾叉号（✓/✗）。
• 证据：对照正文 4.2 节和 4.3 节的文字描述，作者明明在正文中写了“our method achieves 0.495 BLEU-1, 0.193 BLEU-4, 0.208 METEOR, and 0.397 ROUGE-L”以及消融实验的具体数值（如 0.525/0.546/0.505）。正文有数据，但表格是空的/残缺的。这要么是严重的排版低级失误，要么是在拼凑论文时复制粘贴漏了马脚。
• 严重程度：🟠
• 复核状态：✅ 成立

发现 2：正文多处关键实体丢失（文本完整性异常）

• 位置：Section 1 Introduction, Section 3 Method, Section 4 Experiments
• 描述：正文中存在大量突兀的语法断层和实体丢失。例如："To tackle these limitations, we introduce, a memory retrieval framework..."（introduce 后面没词了）；"IU X-Ray contains 7,470 chest X-ray image-report pairs released by Indiana University."（前文直接没有标题词）；"CE metrics. All CE metric values reported are computed..."（前文句子未写完）。
• 证据：正常的学术论文即使是草稿，也不会在核心介绍部分丢失主语（如模型名称 ClinAlign）。结合多处公式的乱码和截断（如损失函数缺少变量名），说明该文本极大概率是由 PDF 强行解析而来，或者作者在套用格式模板（IJCAI__ECAI_26_Formatting_Instructions）时极其粗心，连机翻/替换都没做完。
• 严重程度：🟡
• 复核状态：✅ 成立

⚠️ 发现 3：没有 "Western Blot" 的 "随机数生成器" 检测（AI论文特性）

• 位置：Table 1
• 描述：作为医学图像生成论文，核心评价指标变成了 BLEU 和 F1。由于无法进行传统的生物学图片 PS 痕迹检测，只能转向数值合理性。Table 1 中本文的数据（0.525, 0.546, 0.505）相比于其他模型（如 PromptMRG 的 0.501, 0.509, 0.476）出现了"恰到好处"的微小提升。
• 证据：在计算机视觉顶会（CVPR/ICCV/ECCV等）的"刷榜"论文中，这种刚好比 SOTA（当前最优）高出 1%-3% 的数据是非常典型的"安全造假区"——既足以宣称 SOTA，又不至于离谱到被一眼识破。虽然数据本身符合逻辑自洽，但在缺乏开源代码和原始训练日志的情况下，存在使用大模型直接预测或过度调参的可能性。
• 严重程度：🟡
• 复核状态：⚠️ 依据不足

耿同学辣评

这篇论文的作者简直是学术界的“极简主义大师”！做实验连实验名称都懒得写（"we introduce, a memory..."），做消融实验连表格数据都懒得填（Table 3 全白）。虽然咱搞深度学习的没有 Western blot 可以拿 Photoshop 涂抹，但你这直接把 Word/PDF 文本框玩失踪的本事，也是挺挑战审稿人底线的。生物医学造假是 P 图，AI 论文造假是 P 数据，你这倒好，主打一个 P 图软件都没打开，纯靠文本残缺来考验审稿人的脑补能力是吧？此外，虽然数据有轻微提升属于常规操作，不能直接作为造假铁证，但结合这极其粗糙的文本质量，很难不让人怀疑这论文是不是用大模型一键生成后忘了校对！

建议后续行动

• 直接要求作者提供完整的 PDF 文件，确认表格缺失与文本断层是解析错误还是原作者的低级失误。
• 要求作者提供开源代码库链接，核查 IU X-Ray 和 MIMIC-CXR 数据集的训练日志。
• 审查模型声称的性能提升是否具有统计学显著性，防止是随机种子带来的随机波动。
• 在 PubPeer 上提出质疑（如果该论文已流出）。

⚠️ 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。