🔍 耿同学打假报告

论文信息

• 标题：Clear Nights Ahead: Towards Multi-Weather Nighttime Image Restoration
• 作者：Yuetong Liu, Yunqiu Xu, Yang Wei, Xiuli Bi, Bin Xiao
• 期刊：The Fortieth AAAI Conference on Artificial Intelligence (AAAI-26)
• DOI：未提供
• 发表年份：2026
• 论文来源：00534-AAAI26.LiuY-CV.pdf

综合评定：🟡 存疑

详细发现

发现 1：引用与方法学异常（经典低级排版错误）

• 位置：References 部分 / 正文 Methodology (公式 3 上方)
• 描述：论文引用了 Retinex 理论，但作者名称和引用格式存在明显的事实性错误。参考文献列表中将其写为 "Edwin, H. L. 1977. The Retinex theory of color vision. Scientific American."
• 证据：原文参考文献部分明确写着“Edwin, H. L. 1977.”，而正文在公式(3)上方引用为“Retinex theory (Edwin 1977)”。Retinex 理论的真实提出者是 Edwin H. Land。作者在使用文献管理软件时显然将名当成了姓，导致整个引用错得十分离谱，暴露出作者在文献整理时的粗心大意。
• 严重程度：🟡（不涉及学术造假，但属于让人尴尬的“低级红”失误）
• 复核状态：✅ 成立

发现 2：数据真实性与逻辑性分析

• 位置：Table 2, Table 3, Table 4
• 描述：数值数据符合真实实验的随机性特征，且对比结果符合模型设计的逻辑自洽性。
• 证据：
  1. 末位数字分布：观察 Table 2 中的 PSNR/SSIM 数值（如 29.0919, 0.8769, 32.5573），末位数字在 0-9 之间分布均匀，没有出现人为编造数据时常见的“末位趋同”或“过于整数化”现象。
  2. 对比逻辑自洽：论文非常诚实地报告了自身模型的不足。例如 Table 2 中，ClearNight 在 Flare（眩光）单项上的指标（38.7707）输给了 RAMiT（43.0080）和 WeatherDiff（40.2057），并在正文中坦承“As the training data lack dedicated flare samples, its performance in flare removal remains moderate.”。这种“报喜也报忧”的数据呈现方式，通常是真实实验的体现。
• 严重程度：无异常
• 复核状态：✅ 成立

发现 3：时间线逻辑检测

• 位置：参考文献列表
• 描述：基于该论文作为 AAAI-26 的背景，引用了大量 2024 年、2025 年（如 Dong et al. 2025, Hu et al. 2025）甚至 2026 年（如 Wu et al. 2026, In AAAI）的文献。
• 证据：时间线逻辑完全成立。原文的参考文献列表中明确存在“Wu, Z.; Li, K.; Xu, Y.; et al. 2026. DLVINet... In AAAI.”以及诸多 2024/2025 年的文献。由于 AAAI-26 会议在 2026 年举行，论文在撰写阶段引用这些最新或即将发表的顶会论文是非常合理的。
• 严重程度：无异常
• 复核状态：✅ 成立

发现 4：图片复用与拼接检测受限说明

• 位置：Figure 1 ~ Figure 11
• 描述：无法进行像素级分析。
• 证据：当前输入仅为文本和部分低质量图表，未提供高分辨率的原始图片像素信息，无法通过图像取证技术（如噪点分析、边缘检测、ELA 分析）判断是否存在“一图多用”或“PS 拼接”痕迹。但就原文提供的图表 caption 及内容描述来看，符合一篇多任务图像恢复深度学习论文的标准范式。
• 严重程度：无异常
• 复核状态：✅ 成立

耿同学辣评

这篇论文整体上是一份严谨扎实、逻辑自洽的 AI 顶会“模版”级作品，核心数据并没有触发任何造假实锤。但是！连开山鼻祖 Edwin Land 的名字都能在参考文献里给人家改名换姓（硬生生把 Land 的名 Edwin 当成了姓），排版的时候是不是一边吃着火锅一边写论文呢？做夜间图像恢复，可别连文献作者的“脸”都给恢复糊了啊！细节决定成败，虽然科研数据很扎实，但这种低级失误还是让人忍不住想给排版同学加个鸡腿提提神。

建议后续行动

• 联系作者要求提供原始数据
• 在 PubPeer 上提出质疑
• 建议作者在下一次 Camera Ready 版本中，把参考文献原作者的名字改回来，并全面自查一下参考文献的格式。

⚠️ 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。