🔍 耿同学打假报告

论文信息

标题：AIM: Adaptive Inference of Multi-Modal LLMs via Token Merging and Pruning
作者：Yiwu Zhong, Zhuoming Liu, Yin Li, Liwei Wang
期刊：arXiv preprint (arXiv:2412.03248v2 [cs.CV])
DOI：无（预印本）
发表年份：2025 (v2 dated 29 Jul 2025)
论文来源：lw11aim.pdf

综合评定：✅ 清白

详细发现

发现 1：图片复用与拼接检测（一图多用与 PS 痕迹）

位置：Figure 1 / Figure 2 及全文
描述：本文是一篇计算机视觉与深度学习领域的算法论文，正文及附录中主要包含架构示意图和折线图。没有传统生物医学论文中常见的 Western blot、显微镜图或流式细胞图。
证据：由于缺乏易于被 Photoshop 操纵的连续色调图像，且提供的文本无法进行像素级分析，本文未发现图片复用或拼接的痕迹。
严重程度：无
复核状态：✅ 成立

发现 2：实验数据与数学逻辑自洽性（随机数生成器都不如）

位置：Table 1, Table 4, Table 5, Table 8
描述：本文报告了不同保留率下的计算量和模型准确率。以 Table 4 和 Table 8 为例，Token Merging 保留率分别为 100%、50%、25%、12.5%、6.3% 时，FLOPs 分别为 99.63、46.48、22.90、11.64、6.41。准确率呈现自然的平滑衰减（58.2 -> 58.5 -> 58.0 -> 56.6 -> 53.6）。
证据：数据具有真实的“噪声”特征（例如 50% 保留率时准确率 58.5 略高于基态 58.2，这是真实的深度学习训练/推理中常见的微小波动）。FLOPs 的计算与 Token 保留率呈高度的正相关线性关系，符合 Transformer 架构的数学计算逻辑。不存在小数点位数全一样、末位数字过于规律等“随机数生成器”造假痕迹。
严重程度：无
复核状态：✅ 成立

发现 3：时间线与引用合理性（引用与方法学异常）

位置：References & 全文
描述：本文提交时间为 2025 年 7 月 29 日（以当前时间线为基准，完全合理）。引用了大量 2023-2025 年的最新大模型相关工作。
证据：文中引用了 ECCV 2025、AAAI 2025、CVPR 2025 等会议的论文（如参考文献 [5], [40], [62], [79]）。方法部分明确指出了算法的调度器设计（公式 1 和 2），无内部逻辑矛盾。
严重程度：无
复核状态：✅ 成立

发现 4：消融实验逻辑验证（统计学与方法学异常）

位置：Table 5 (Ablation study on token pruning) & Table 6 (Pruning text tokens)
描述：作者设计了严密的消融实验来验证其各个模块的有效性。
证据：Table 6 显示，如果不仅裁剪视觉 Token，连文本 Token 一起裁剪，准确率会从 58.2 暴跌至 45.7。这一结论完美契合了大语言模型“以文本为中心进行推理”的业界共识，符合客观物理规律与模型底层架构逻辑，而非凭空捏造的数据。
严重程度：无
复核状态：✅ 成立

耿同学辣评

各位同学把心放进肚子里，这是一篇非常干净、扎实的计算机科学（AI方向）论文！没有生物医学圈那些花里胡哨的“ PS 拼接大法”和“克隆条带”。人家搞大模型加速的，算法行不行直接丢开源代码（GitHub）和跑几个公开 Benchmark，FLOPs 和准确率摆在那里，造假成本极高，分分钟被同行复现打脸。这公式推导、这消融实验的严谨度，比某些灌水论文不知道高到哪里去了。

建议后续行动

无需联系作者要求提供原始数据（逻辑自洽，且已开源）
无需在 PubPeer 上提出质疑
无需向期刊编辑部举报
无需向作者所在机构学术委员会举报

⚠️ 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。

AIM: Adaptive Inference of Multi-Modal LLMs via Token Merging and Pruning