🔍 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/会议：MM '25 (Submission Id: 3264)
DOI：XXXXXXX.XXXXXXX（暂无，处于匿名评审阶段）
发表年份：2025 (预期)
论文来源：3264_Pathology_Aware_Reconstru.pdf

综合评定：🟡 存疑

详细发现

发现 1：引用与方法学异常（张冠李戴的参考文献）

位置：第 5.4.2 节
描述：原文写道 “While MGCA [11] employs cluster alignment, its visualization still exhibits isotropy and homogeneity, failing to distinguish between disease categories.”（虽然 MGCA [11] 采用聚类对齐，但其可视化仍然表现出各向同性和同质性，无法区分疾病类别。）但核对参考文献列表发现，文献 [11] 实际上是 He 等人的 “Masked autoencoders are scalable vision learners” (MAE)，而 MGCA 实际上对应的文献应该是 [34]。
证据：MAE 是一种基于重建的掩码图像建模方法，根本不涉及“聚类对齐”。作者在正文论述中完全引用了错误的文献编号，暴露出写作时的粗心大意或复制粘贴未核对。
严重程度：🟡
复核状态：✅ 成立

发现 2：文本数据与表格数据不自洽

位置：第 5.1 节 vs Table 1
描述：正文声称 “On the ChestX-ray14 dataset, using only 1% of the data for fine-tuning, our framework achieves a 2.0% AUC score improvement over MRM [45].”（在 ChestX-ray14 数据集上，仅使用 1% 的数据进行微调，我们的框架比 MRM 取得了 2.0% 的 AUC 分数提升。）
证据：根据 Table 1 的数据，在 ChestX-ray14 1% 数据集下，本论文方法（Ours）的 AUC 为 81.4，而 MRM 为 78.8。两者差值为 81.4 - 78.8 = 2.6%。正文中的“2.0%”与实际计算结果明显不符，属于基础的数学计算失误或随意捏造的文本描述。
严重程度：🟡
复核状态：✅ 成立

发现 3：引用与方法学异常（离谱的参考文献格式与乱码）

位置：References 部分
描述：多条核心参考文献的格式极其离谱，存在明显的自动抓取错误或文本截断。
证据：
1. 参考文献 [10] 作者全拼错了且漏人：“aohua Zhai... An Image is Worth 16x16 Words”。原论文第一作者应为 Alexey Dosovitskiy，且名字 Xiaohua Zhai 被截断成了“aohua”。
2. 参考文献 [21] 直接把学位和头衔当成了作者：“C Steven G Langer. 2019. PhD and M.George Shih, MD, "Siim-acr pneumothorax segmentation(2019).”
3. 参考文献 [36] 甚至直接把作者名字弄丢了：“[36] deep convolutional neural network design for detection of covid-19 cases from chest x-ray images.”
严重程度：🟠（作为投稿顶会的学术论文，参考文献管理如此糟糕，极大影响学术严谨性）
复核状态：✅ 成立

发现 4：统计与实验细节缺失（计算机视觉论文通病）

位置：Table 1, Table 2, Table 3
描述：所有的对比实验和消融实验结果仅报告了单一的绝对数值（如 AUC、ACC、Dice），缺乏标准差、方差或显著性检验（如 p-value）。
证据：深度学习实验（尤其是在 1% 和 10% 的极少数据量下微调）通常存在较大的随机波动。未报告标准差直接断言“显著优于”，在统计学上是不严谨的。虽然这是 AI 领域的普遍陋习，但仍属于不规范的学术行为。
严重程度：🟡
复核状态：✅ 成立

⚠️ 发现 5：像素级分析受限说明

位置：Figure 1 ~ Figure 6
描述：由于当前仅有文本提取内容，无法获取论文的原始图像数据，无法对 t-SNE 可视化图等进行“图片复用（一图多用）”和“PS拼接痕迹”的像素级法医鉴定。
证据：基于目前提供的纯文本信息，无直接像素证据。
严重程度：无法判断
复核状态：⚠️ 依据不足

耿同学辣评

好家伙，这大概是把“复制粘贴”和“查重软件”用到极致的一篇“神作”。正文里把 MAE 当成 MGCA 来批，算数能把 2.6% 算成 2.0%，最离谱的是参考文献列表里甚至冒出了 “PhD and M.George Shih, MD” 这种头衔当人名的狠活。虽然方法看起来花里胡哨，但这基本的学术严谨性，简直就像是赶 DDL 前一天晚上用脚敲出来的！

建议后续行动

审稿阶段直接要求作者对正文所有引用文献进行全面核对（重点打回重修）。
联系作者要求提供原始数据（要求补充所有实验的方差和多次独立运行的 seed）。
在 PubPeer 上提出质疑（如果该论文最终发表）。
向期刊/会议编辑部举报（目前处于评审阶段，建议直接在评审意见中拒稿或要求大修）。

⚠️ 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 CheXray Vision-Language Pre-training