🔍 耿同学打假报告

论文信息

• 标题：Pathology-Aware Reconstruction with Discriminative Knowledge Boosting Alignment for Che-Xray Vision-Language Pre-training
• 作者：Lihong Qiao, Shiyi Gao, Yucheng Shu, Bin Xiao, Weisheng Li, Xinbo Gao
• 期刊/会议：ACM MM '25 (33rd ACM International Conference on Multimedia)
• DOI：https://doi.org/10.1145/3746027.3755336
• 发表年份：2025

综合评定：🟠 高度可疑

详细发现

发现 1：引用与参考文献严重错乱（张冠李戴）

• 位置：Section 2.1 (Related Work), Section 5.2, Section 5.4.2
• 描述：作者在正文中对基础对比模型的引用出现了系统性的错乱。在 2.1 节中，作者写道“MedUnic [24] integrates multimodal medical data”，但在参考文献列表中，[24] 实际上是 SAT 模型（Improving medical vision-language contrastive pretraining with semantics-aware triage），而真正的 Med-UniC 是文献 [34]。同样，在 5.2 节和 5.4.2 节中，作者多次将 MGCA 错误引用为 [12]（例如“MGCA [12] employs cluster alignment”），而参考文献 [12] 明明是何恺明团队的 MAE 模型，真正的 MGCA 是文献 [35]。
• 证据：交叉比对正文与 Reference 列表，[24] 对应 SAT，[12] 对应 MAE，[35] 对应 MGCA。
• 严重程度：🟠
• 复核状态：✅ 成立

发现 2：反直觉的“数据停滞”与“零增益”（违反常理的模型性能）

• 位置：Table 1 (Linear classification results)
• 描述：在 CheXpert 数据集的 AUC 指标中，出现了极其反常的“零增益”现象。对于对比方法 MRM [46]，使用 1% 训练数据的 AUC 为 88.5，而当训练数据增加 10 倍达到 10% 时，AUC 居然依然是 88.5（到了 100% 才勉强变成 88.7）。更为巧合的是，本文提出的“Ours”模型也出现了完全相同的症状：1% 数据时 AUC 为 89.5，10% 数据时依然是 89.5，直到 100% 才变成 89.7。
• 证据：Table 1 原文数据中，MRM 在 CheXpert 1% 和 10% 数据下的 AUC 均为 88.5，Ours 模型在 1% 和 10% 数据下的 AUC 均为 89.5。真实场景下，即使模型性能饱和，增加 10 倍的医学影像数据也不可能带来 0.00 的绝对数学零提升。出现如此工整的“停滞”，极有可能是作者在生成或填补表格数据时直接复制粘贴，或者是拼凑实验结果时的严重疏漏。
• 严重程度：🔴
• 复核状态：✅ 成立

发现 3：方法描述中的拼写与排版异常

• 位置：Section 3.1 (Pathology-Aware Prior Generation)
• 描述：在描述先验信息的生成时，文本出现未经审核的排版残留或乱码符号。例如：“to generate initial���”，以及公式后的“� denotes the transpose...”。这种现象在正规排版的 ACM 最终版（带有完整 DOI）中极为罕见。
• 证据：Section 3.1 原文确实充满大量 Unicode 乱码占位符（如 �），这通常是 LaTeX 源码转 HTML/PDF 时的解析错误，或者作者直接从其他解析失败的文档中复制粘贴了带格式乱码的文本。
• 严重程度：🟡
• 复核状态：✅ 成立

发现 4：数据呈现与排版混乱

• 位置：Table 1
• 描述：在 Table 1 的 ViT-based 部分中，多行数据存在明显的连字现象。例如 MRM 行的 82.784.4，Med-UniC 行的 90.891.993.193.780.389.594.5，以及 Ours 行的 89.589.792.1。
• 证据：原文 Table 1 确实存在数值粘连，如 82.784.4 (82.7 和 84.4) 以及 90.891.993.193.780.389.594.5 (多个RSNA和COVIDx数据粘连)。正常表格中每个单元格的数据应当独立，这种数字粘连在一起的现象说明原稿在排版制表时极其粗糙，缺乏基本的学术严谨性校对。
• 严重程度：🟡
• 复核状态：✅ 成立

耿同学辣评

这篇挂着 ACM MM '25 最终版头衔的论文，居然连自家参考文献的号都能标错——拿何恺明的 MAE 当成 MGCA 来批评，这属于连同行测评都没做明白就来汇报了。最逗的是 Table 1 的数据，10 倍的数据喂进去，模型的 AUC 纹丝不动、精确到小数点后一位完全不涨！怎么着，你们这模型是懂量子力学的吗？增加的数据全在薛定谔的盒子里没发挥作用？此外，正文方法部分居然还残留着大段未解码的 Unicode 乱码符，表格排版也是一团乱麻连在一起。学术排版一塌糊涂，数据违和感拉满，建议打回重炼！

建议后续行动

• 联系作者要求提供原始数据及训练日志，核实 1% 与 10% 数据集下的 AUC 是否真的完全一致。
• 在 PubPeer 上提出质疑，指出其参考文献引用错乱及数据异常停滞的问题。
• 要求通讯作者澄清 Section 3.1 中的排版乱码问题以及具体的实验执行细节。

⚠️ 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。