🔍 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 International Conference on Multimedia (MM '25)
DOI：10.1145/3746027.3755336
发表年份：2025 (会议时间为 2025 年 10 月)
论文来源：The_Name_of_the_Title_Is_Hope__2_ (2).pdf

综合评定：🟠 高度可疑

详细发现

发现 1：违背概率论的“克隆”数据（随机数生成器都不如）

位置：Table 1 (线性分类结果)
描述：在 ViT-based 分类任务中，Ours（本文方法）在 CheXpert (CXP) 数据集上，使用 1% 训练数据和 10% 训练数据得到的 AUC 评分完全一模一样，均为 89.5。
证据：深度学习模型在不同数据量（特别是相差 10 倍量级）下微调，由于随机种子、优化器轨迹和数据采样的不同，得到精确到小数点后一位且完全相同的评价指标（89.5 vs 89.5）在概率上几乎不可能。这高度疑似作者在编造或“修饰”数据时发生的复制粘贴错误，或者凭空捏造数据。
严重程度：🔴
复核状态：✅ 成立

发现 2：“左右互搏”的消融实验数据（数据造假检测）

位置：Table 4 (消融实验分析)
描述：消融实验的数值呈现出极其刻意的人为调参痕迹。作者为了强行证明 PAR 和 DKBA 两个模块“各有侧重、互相补充”，导致数据逻辑出现矛盾。
证据：
1. Baseline 在 ChestX-ray14 上得分为 79.1，加上 PAR 模块后反而下降到 78.9；加上 DKBA 模块后大幅上升到 81.0。但是，同时加上 PAR 和 DKBA（Ours），得分却是 80.8——比单独使用 DKBA 还要低！ 既然 PAR 会拖后腿，为什么最终模型还要强行包含 PAR？
2. SIIM 分割任务中，Baseline 是 64.9，加上 DKBA 后竟然下降到 64.5。
  这些数据就像是作者拿着计算器，为了让最终的“Ours”比 baseline 高一点点，强行给各个模块加减凑数，结果弄巧成拙暴露了数学上的不自洽。
严重程度：🔴
复核状态：✅ 成立

发现 3：“太巧了”的整数差值（随机数生成器都不如）

位置：Table 1 (COVIDx 数据集)
描述：Ours 在 COVIDx 数据集上，1% 训练数据 ACC 为 82.3，10% 训练数据 ACC 突然跳跃到 92.3。
证据：两者之间的差值不多不少恰好是 10.0。真实实验中，不同数据量带来的准确率提升往往是带有小数、杂乱无章的（例如提升 9.7% 或 10.4%）。出现恰好 10.0 的整数差值，极大概率是人工编造数据时留下的马脚。
严重程度：🟠
复核状态：✅ 成立

发现 4：文本中的“幽灵”参考文献（引用异常）

位置：Section 2.1 (Related Work)
描述：在文献综述中，作者写道：“ReCO avoids penalizing orthogonal or negatively correlated negative pairs...”
证据：在这个句子里，作者提到了 ReCO 方法，但全篇并未给出任何对应的引用标号（如 [X]）。参考文献列表中也没有名为 ReCO 的论文。这说明作者极大概率是在抄袭其他论文的综述段落时，忘记补充或删改了原论文的引用痕迹。
严重程度：🟡
复核状态：✅ 成立

⚠️ 发现 5：无法进行视觉级图片验证

位置：Figure 1 ~ Figure 6
描述：耿同学六式中的图片复用检测、图片拼接检测无法完全施展。
证据：由于目前仅有纯文本提取信息，无法进行 Western blot 背景噪点比对、PS 痕迹放大或显微镜图像素级重合度检测。但在 Figure 5 的描述中，作者号称自己的模型聚类效果“完美”，结合表格数据的可疑性，这些图片存在为了迎合结论而“挑图”甚至篡改可视化的嫌疑。
严重程度：🟡（需结合原图进一步确证）
复核状态：⚠️ 依据不足

耿同学辣评

这篇论文生动诠释了什么叫“数学不及格的裁缝”。为了让故事（两个模块优势互补）听起来圆满，作者拿着计算器硬凑消融实验的表格，结果一不小心算出了“1+1 < 1”的伟大结论。更别提那个能“无视数据量变化、稳如泰山”的 CheXpert 89.5 分，以及“精准踩在整数刻度上”的 10.0 提升率。深度学习玄学归玄学，但你连随机种子都懒得假装摇一下，真当审稿人和读者都是做算术题的小学生吗？此外，综述部分凭空冒出无引用的“ReCO”，更加重了学术不端拼凑的嫌疑。

建议后续行动

联系作者要求提供线性探测和消融实验的原始 Log 日志及 TensorBoard 记录。
在 PubPeer 上针对 Table 1 和 Table 4 的统计学异常与数学不自洽提出公开质疑。
要求通讯作者解释 Related Work 中“ReCO”无引用的原因，并查重该段落。
向期刊/会议编辑部举报，申请核查该团队历年来的其他论文是否存在系统性数据编造。

⚠️ 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。

Pathology-Aware Reconstruction with Discriminative Knowledge Boosting Alignment for Che-Xray Vision-Language Pre-training