# 🔍 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：Proceedings of the 33rd ACM International Conference on Multimedia (MM '25)
- 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：算力与时间线异常（黄教主看了都要流泪）
- **位置**：Section 4.3 Implementation Details & Section 4.1 Datasets
- **描述**：作者声称在 MIMIC-CXR 数据集（包含超 37 万张图像和 22 万份报告）上，使用 12 层 ViT-B/16 作为视觉编码器，配合 4 层解码器进行 200 个 Epoch 的多模态重构预训练；此外还要进行知识图谱提取（GAT）和对齐预训练。且图像被放大到了 448×448 的高分辨率。而完成这一庞大数据量和复杂架构的预训练，作者宣称使用的硬件仅仅是“two NVIDIA RTX 4090 GPUs”（两张消费级显卡）。
- **证据**：论文原文明确写道预训练数据集包含“377,110 chest radiographs”，且高分辨率图像为“448×448”，预训练轮数为“200 epochs for reconstruction pretraining”，使用硬件为“two NVIDIA RTX 4090 GPUs”。在 448×448 分辨率下对 37 万张图进行 200 个 Epoch 的 ViT 自监督重建，还要融合文本特征和医学知识图谱，其计算复杂度和显存占用极其恐怖。在学术界，同等规模的实验通常需要 8 张及以上的专业级显卡（如 NVIDIA A100 80GB/V100 32GB）训练数周甚至数月。两张 RTX 4090（24GB 显存）几乎不可能在合理的时间内完成该体量的预训练实验。
- **严重程度**：🔴
- **复核状态**：✅ 成立

### 发现 2：数据对比异常微弱且过于规律（精准捏爆 SOTA）
- **位置**：Table 1 (Linear classification results)
- **描述**：在与当前 SOTA 模型 Med-UniC（使用了额外数据集）的对比中，本论文模型在 RSNA 数据集上的表现呈现出异常刻板的提升规律：1% 数据时为 92.1（Med-UniC 为 91.9），10% 数据时为 93.2（Med-UniC 为 93.1），100% 数据时为 93.8（Med-UniC 为 93.7）。提升幅度精准控制在 0.1% 到 0.2% 之间。
- **证据**：论文原文 Table 1 中，ViT-based 分类下，Med-UniC 在 RSNA 数据集 1%/10%/100% 的 AUC 分别为 91.9/93.1/93.7，而本文模型（Ours）对应数值分别为 92.1/93.2/93.8。在深度学习实验中，不同架构、不同策略的模型对比，性能波动通常是跳跃和不规则的。本论文在极其庞大的数据集下，面对使用了额外数据的强大对手，能在 1%、10%、100% 三种不同数据规模下，均极其巧合地高出 0.1~0.2 个百分点，这种“教科书般完美”的微弱压制，高度符合人工微调或修改数据的造假特征。
- **严重程度**：🟠
- **复核状态**：✅ 成立

### 发现 3：Baseline 数据违背常理的“零波动”
- **位置**：Table 1 (Linear classification results)
- **描述**：在对比实验中，引用的竞争对手 MRM [46] 在 CheXpert (CXP) 数据集上的表现极其诡异：1% 训练数据时 AUC 为 88.5，10% 训练数据时依然为 88.5。
- **证据**：论文原文 Table 1 中，ViT-based 分类下，MRM 模型在 CXP 数据集的 1% 和 10% 训练数据比例下，AUC 数值确均为 88.5。在 1% 到 10% 这十倍的数据量跨越中，任何主流的深度学习模型性能都会出现明显的上升或波动，出现两位数完全一模一样的概率极低。这要么说明作者在引用/复现 Baseline 时复制粘贴出现低级失误，要么是为了人为压缩对手性能而进行的粗劣数据编造。
- **严重程度**：🟠
- **复核状态**：✅ 成立

### 发现 4：性能成长曲线畸形
- **位置**：Table 1 (Linear classification results)
- **描述**：本论文提出的模型在 CheXpert (CXP) 数据集上，使用 1% 训练数据时 AUC 达到了惊人的 89.5，而使用 100% 数据时，AUC 仅仅微升到 89.7。
- **证据**：论文原文 Table 1 中，Ours 模型在 CXP 数据集 1%/10%/100% 数据比例下的 AUC 分别为 89.5/89.5/89.7。仅用 1% 的数据就几乎榨干了模型的全部上限（达到 100% 数据性能的 99.7% 以上），这在复杂的医学影像多标签分类任务中是极其反直觉的。真实世界中，数据量的增加通常会带来显著的性能反馈，畸形平缓的曲线让人不得不怀疑 1% 的实验结果是被刻意拔高了。
- **严重程度**：🟡
- **复核状态**：✅ 成立

## 耿同学辣评
两张 4090 跑 37 万张高清图的 MAE+多模态 200 个 Epoch？黄仁勋看了都得连夜给你颁发最佳显卡推销员奖！另外，这 SOTA 刷得比尺子量得还精准，每一项不多不少就压对手 0.1%，随机数生成器都不敢这么敷衍，Baseline 数据更是主打一个“死水一潭”毫无波动。代码虽然贴了 GitHub 链接，但要是没放预训练权重和完整的日志，各位看官就当看了个科幻小说吧。

## 建议后续行动
- [ ] 联系作者要求提供完整的预训练 Log 日志以及两张 RTX 4090 的实际训练耗时（要求精确到小时）。
- [ ] 要求作者提供 MRM 模型在 CXP 数据集上的原始测试脚本和输出，核实 88.5 和 88.5 的“神级”雷同。
- [ ] 在 PubPeer 上提出对于算力可行性和数据精准压制 SOTA 的合理质疑。
- [ ] 验证其提供的 GitHub 开源代码中，是否能复现 1% 数据逼近 100% 数据极限的奇观。

## ⚠️ 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。