🔍 耿同学打假报告

论文信息

论文来源：lw9LongVU.pdf
标题：LongVU: Spatiotemporal Adaptive Compression for Long Video-Language Understanding
作者：Xiaoqian Shen, Yunyang Xiong, Changsheng Zhao, 等 (Meta AI, KAUST, Korea University)
期刊/会议：Proceedings of the 42nd International Conference on Machine Learning (ICML), PMLR 267, 2025
DOI：文本中未提供
发表年份：2025

综合评定：🟠 高度可疑

详细发现

发现 1：数据造假检测（跨表复制粘贴/异常重复）

位置：Table 15, Table 16, Table 17, Table 18 (附录中的消融实验)
描述：在针对四个完全不同的超参数（DINO Threshold, STC Threshold, Sliding Window K, Sliding Window J）进行的消融实验中，MVBench 这一列的分数出现了令人费解的高度重复，甚至完全一致。
证据：
- Table 15 (DINO阈值) MVBench列：66.88, 66.86, 66.95, 66.86, 66.86
- Table 16 (STC阈值) MVBench列：66.88, 66.86, 66.95, 66.86, 66.86
- 这两组数据完全一模一样。在真实的深度学习实验中，修改视觉编码器的相似度阈值（DINO Threshold）与修改空间token压缩阈值（STC Threshold）是截然不同的操作，导致输出精度到小数点后两位完全相同的概率在统计学上几乎为 0。这极度疑似在填表时发生了复制粘贴的造假行为或凭空捏造数据。
严重程度：🔴
复核状态：✅ 成立

发现 2：数据造假检测（数学计算自洽性崩塌）

位置：Table 4 及 Appendix 中的 Table 9 (Ablation study on each subtask in MLVU)
描述：表格中所列出的各子任务分数的算术平均值，与作者在表格中报告的平均值数学上不吻合。
证据：以 Table 4 / Table 9 的第一行 "DINO" 为例，各子任务得分为：24.15, 59.09, 68.16, 52.89, 71.24, 74.00, 86.36。计算其真实平均值为：(24.15+59.09+68.16+52.89+71.24+74.00+86.36) / 7 = 62.27。然而，作者在 Avg 列中报告的平均值却是 62.54。这种均值计算错误表明作者不仅可能没有亲自计算，甚至可能是为了追求某个目标数值而直接编造了一个汇总结果。
严重程度：🔴
复核状态：✅ 成立

发现 3：数据分布异常（过度完美与敷衍的造假）

位置：Table 15, 16, 17, 18 (MVBench 列) 及 Table 18
描述：除了发现 1 中指出的跨表复制问题，在同一张表内，数据的波动也呈现出极其敷衍的特征。
证据：在 Table 18 (Sliding window J ablation) 中，MVBench 列的四个数值为：66.88, 66.95, 66.86, 66.83。不仅变化极小，且小数点后第二位几乎全在 80~90 之间徘徊。与发现 1 结合来看，作者很可能在造数时直接锁定了某个数值（如 66.8x）并在附近随手敲了几个数充当实验结果，随后在不同表格间反复复用。
严重程度：🟠
复核状态：✅ 成立

⚠️ 发现 4：图片复用与拼接检测

位置：全文图片
描述：由于输入仅为文本提取内容，缺乏原始图片的像素级信息。
证据：文本中未提供足够的图片信息，无法进行 Western blot 背景噪点、图片翻转或 PS 痕迹的视觉比对分析。
严重程度：🟡 (无法判断)
复核状态：⚠️ 依据不足

耿同学辣评

好家伙，ICML 2025 的论文，数学算术算不对，连 Ctrl+C 和 Ctrl+V 都按不明白！改 DINO 阈值和改 STC 阈值的 MVBench 成绩能一模一样，小数点后两位都不带变的，这大模型是被你施了什么定身法吗？算平均分还能强行多算出 0.3 分，建议作者重回小学进修一下算盘，或者下次造假数的时候好歹用个 Excel 的 AVERAGE 函数吧！

建议后续行动

联系作者要求提供原始实验日志与产出数据（强烈建议）
在 PubPeer 上提出质疑
向期刊/会议编辑部举报（由于涉嫌表格系统性数据编造，建议向 ICML 主办方或数据审查委员会通报）
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。

LongVU: Spatiotemporal Adaptive Compression for Long Video-Language Understanding