🔍 耿同学打假报告

论文信息

• 论文来源：3264_Pathology_Aware_Reconstru.pdf
• 标题：Pathology-Aware Reconstruction with Discriminative Knowledge Boosting Alignment for CheXray Vision-Language Pre-training
• 作者：Anonymous Author(s) (Submission Id: 3264)
• 期刊/会议：MM '25 (ACM Multimedia 2025, 都柏林)
• DOI：XXXXXXX.XXXXXXX (暂无，处于匿名评审阶段)
• 发表年份：2025 (预计)

综合评定：✅ 清白

详细发现

发现 1：图表复用与图像伪造检测受限（纯文本分析局限性）

• 位置：Figure 1 - Figure 6
• 描述：传统的生物医学论文中常见的图片造假（如 Western blot 拼接、显微镜图片复用）在此文中均不适用。本文属于计算机科学/人工智能领域的深度学习模型预训练论文。
• 证据：本论文仅提供了文本数据，无法获取原始的模型架构图、特征热力图（Figure 5）和 t-SNE 降维散点图（Figure 6）的像素级信息。但基于论文逻辑，文中的图表说明（如 Figure 1-6 的 Caption）与上下文高度契合，不存在明显的逻辑矛盾。
• 严重程度：🟡 (无法判断像素，但逻辑无硬伤)
• 复核状态：✅ 成立

发现 2：实验数据逻辑严丝合缝（无统计学异常）

• 位置：Table 1 - Table 6
• 描述：表格中报告了大量基于深度学习的客观评价指标（AUC, ACC, Dice, mAP）。对这些数据进行交叉验证后发现，作者的文字描述与数据结果高度一致。
• 证据：例如在 5.3.1 节中，作者声称“DKBA 在 ChestX-ray14 上提升了 2%，在 COVIDx 上提升了 5%”。对照 Table 4 消融实验数据，单独使用 DKBA 的确让 ChestX-ray14 的 AUC 从 79.1 提升至 81.0（增幅约 1.9%≈2%），让 COVIDx 的 ACC 从 77.0 提升至 81.9（增幅 4.9%≈5%）。数据关系完全自洽，不存在随意编造数学关系或“过于完美的随机数”问题。
• 严重程度：✅ (正常)
• 复核状态：✅ 成立

发现 3：实验设备与时间线逻辑合理

• 位置：Section 4.3 (Implementation Details) & Reference List
• 描述：结合当前日期（2026年6月）和该文的目标发表年份（2025年），本文的时间线和软硬件配置完全符合学术常理。
• 证据：
  1. 硬件配置：作者使用两块 NVIDIA RTX 4090 GPU 进行模型预训练。RTX 4090 是 2022 年底上市的显卡，在 2024-2025 年的顶级 AI 会议论文中属于非常标准且合理的实验室配置。
  2. 引用时间线：论文引用了多篇 2023 年和 2024 年的文献（如参考文献 [20] CARZero, CVPR 2024; [33] Med-UniC, NeurIPS 2024），这与向 2025 年 ACM MM 会议投稿的时间节点完美吻合。不存在“使用了未来才发明的设备/试剂”的时间线冲突。
• 严重程度：✅ (正常)
• 复核状态：✅ 成立

耿同学辣评

这篇论文咱们拿“六式”打假锤砸下去，可以说是坚如磐石！没有移花接木的电泳图，也没有“薛定谔的 p 值”，通篇全是大模型、ViT 和显卡算力熬出来的评价指标。RTX 4090 疯狂转动 200 个 epoch 算出来的数，那还真不是随便敲键盘就能伪造出来的。耿同学只能说：搞纯计算机算法的兄弟们，只要代码开源，想明目张胆造假确实难度有点高！

建议后续行动

• 无需联系作者提供原始数据（因当前未发现任何核心数据异常或学术不端线索）
• 无需在 PubPeer 上提出质疑
• 无需向期刊编辑部或会议组委会举报
• （可选）等待论文正式接收后，查验其宣称开源的 GitHub 源代码是否真实有效

⚠️ 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。