🔍 耿同学打假报告

论文信息

• 标题：Pathology-Aware Reconstruction with Discriminative Knowledge Boosting Alignment for CheXray Vision-Language Pre-training
• 作者：Anonymous Author(s)
• 期刊：MM '25 (Submission Id: 3264)
• DOI：XXXXXXX.XXXXXXX (未提供)
• 发表年份：2025 (会议时间为 2025-06-03)

综合评定：🔴 实锤

详细发现

发现 1：数据造假检测（随机数生成器都不如）

• 位置：Table 1 (Linear classification results on the ChestX-ray14, CheXpert, RSNA, and COVIDx datasets)
• 描述：在 CheXpert (CXP) 数据集的对比中，本论文所提方法与基线模型 MRM [45] 的数据呈现出极其荒谬的数学规律。
• 证据：查看 ViT-based 列表，MRM [45] 在 CXP 数据集上 1%, 10%, 100% 训练数据下的 AUC 分别为 88.5, 88.5, 88.7。而本文的方法在对应列的结果竟然精确地为 89.5, 89.5, 89.7。每一项数据都恰好在基线的基准上加了 1.0！ 此外，真实环境下的 1% 和 10% 训练集由于随机种子和数据量的差异，几乎不可能跑出一模一样的指标（88.5 vs 88.5），这表明作者极大概率没有真正跑实验，而是直接在 Excel 里把别人的结果拉了一下加个常数敷衍了事。
• 严重程度：🔴
• 复核状态：✅ 成立

发现 2：引用与方法学异常（张冠李戴）

• 位置：Section 2.1 及 Section 5.2 正文
• 描述：论文中出现了多处参考文献引用编号与对象严重不符的低级错误，暴露出“复制粘贴”拼凑论文的痕迹。
• 证据：
  1. 在 2.1 节中提到：“MedUnic [23] integrates multimodal medical data...” 但实际上参考文献 [23] 是关于 SAT 模型的，真正的 Med-UniC 是文献 [33]。
  2. 在 5.2 节中提到：“the reconstruction-based MRM [45] outperforms MGCA [11] and Med-Unic [33]...” 但参考文献 [11] 是 MAE (Masked Autoencoders)，真正的 MGCA 模型是文献 [34]。作者似乎连自己引用的 SOTA 模型对应哪个文献编号都没搞清楚。
• 严重程度：🟠
• 复核状态：✅ 成立

耿同学辣评

别人造数据好歹还会用个随机数生成器加点噪声，这位同学倒好，直接给 Baseline 的数据每一项加个常数“+1.0”，而且 1% 和 10% 的数据居然分毫不差！Excel 拖拽大法用得挺溜啊，建议下次直接加 10.0，那样你的模型直接登顶世界第一了！连自己抄的参考文献编号都能张冠李戴，这学术态度，真是主打一个“随心所欲”。

建议后续行动

• 联系作者要求提供原始数据（特别是 MIMIC-CXR 预训练和 CheXpert 下游微调的 Tensorboard 日志）
• 在 PubPeer 上提出质疑
• 向期刊/会议编辑部（ACM MM 2025）举报
• 向作者所在机构学术委员会举报（待作者身份公开后）

⚠️ 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。