🔍 耿同学打假报告

论文信息

• 标题：FOCUS: Frame-Optimistic Confidence Upper-bound Selection (根据上下文推断)
• 作者：Zirui Zhu, Hailun Xu, Yang Luo, Yong Liu, Kanchan Sarkar, Zhenheng Yang, Yang You
• 期刊/会议：ICLR 2026 (Conference Paper)
• DOI：[文本中未提供]
• 发表年份：2026
• 论文来源：lw12FOCUS.pdf

综合评定：🟡 存疑

详细发现

发现 1：数据异常巧合（两处不同消融实验出现完全一致的数据）

• 位置：Table 7 与 Table 8 (Page 22)
• 描述：在对核心算法的两个不同维度的消融实验中，出现了完全雷同的数据基准。Table 7（探究粗探索阶段）显示 Qwen2-VL-7B 在 FOCUS-C 变体下的得分为 61.7%；而 Table 8（探究 Bernstein 置信半径）显示 Qwen2-VL-7B 在 FOCUS-M 变体下的得分也是 61.7%。且这两张表对应的 Uniform 基准分都是 55.6%。
• 证据：在机器学习实验中，剔除或修改算法不同核心模块的两个独立消融实验，其性能变动竟然精确到小数点后一位完全一致（均为 61.7%），这在统计学上属于极小概率事件。这高度怀疑是作者在填表时发生了“复制粘贴”的错误，或者实验数据存在捏造/凑数嫌疑。
• 严重程度：🟡
• 复核状态：✅ 成立

发现 2：时间线与引用逻辑自洽（未触发红旗）

• 位置：Appendix I (Page 24)
• 描述：作者在致谢/声明部分提到使用了 GPT-5 和 Claude 4 进行润色。
• 证据：以当前日期为基准，文章发表于 ICLR 2026，此时 GPT-5 和 Claude 4 已经问世并投入使用。此时间线完全合理，未发现使用“未来试剂/模型”的穿越式造假。这也侧面印证了文章的时代背景是真实的。
• 严重程度：✅ （无异常）
• 复核状态：✅ 成立

发现 3：失败案例的诚实报告

• 位置：Appendix D / Figure 4 (Page 20)
• 描述：作者不仅展示了算法成功挑选关键帧的案例（Figure 3），还专门提供了一个详细的失败模式分析。在 Figure 4 中，作者承认其算法在场景快速切换（1-2秒）的视频中，即便是人类专家也难以识别，导致 FOCUS 算法失败。
• 证据：造假论文通常倾向于掩盖不足，只展示“完美”的结果。这里对局限性进行了客观、符合逻辑的剖析，说明实验大概率是在真实环境中跑出来的。
• 严重程度：✅ （加分项，证明清白）
• 复核状态：✅ 成立

耿同学辣评

这篇论文的作者可能写表格时真的手滑了，两个完全独立的消融实验怎么能跑出一模一样的 61.7% 呢？这概率比我随便扔飞镖扎中靶心还低！不过，作者敢于直面惨淡的失败案例（连人类专家都找不到的帧也老老实实贴出来了），而且诚实地交代了使用 GPT-5 和 Claude 4 进行润色，在 2026 年的时间线上也完全挑不出毛病。总体看下来，可能只是填表时的粗心大意，态度还是挺坦诚的！

建议后续行动

• 联系作者要求提供原始实验日志，核实 Table 7 和 Table 8 的原始得分是否真的完全一致。
• （无需向期刊/机构举报，目前证据仅指向可能的数据记录粗心，未构成系统性造假）

⚠️ 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。