🔍 耿同学打假报告

论文信息

• 标题：LLM2CLIP: Powerful Language Model Unlocks Richer Cross-Modality Representation
• 作者：Weiquan Huang, Aoqi Wu, Yifan Yang 等
• 期刊/会议：AAAI-26 (The Fortieth AAAI Conference on Artificial Intelligence)
• 发表年份：2026
• 论文来源：17251-AAAI26.HuangW-CV.pdf

综合评定：🟠 高度可疑

详细发现

⚠️ 发现 1：引用与方法学异常（违背常理的“零样本”跨语言飞跃）

• 位置：Section 4.2 (Zero-Shot Multilingual Text-Image Retrieval) / Table 2
• 描述：论文声称在视觉编码器仅使用英文数据（DreamLIP的CC3M和CC12M英文子集）进行微调的情况下，直接赋予了模型强大的多语言检索能力。在Table 2中，原本多语言能力为0的 EVA-L-224 模型（Flickr-CNC I2T得分仅4.4），加上LLM2CLIP后，直接飙升到了 90.6。
• 证据：这是一个严重违背深度学习常理的逻辑漏洞。如果视觉编码器在Stage 2的对比学习中，只接收到英文Image-Text pair的对齐训练，其更新后的视觉特征空间只会向英文文本特征空间靠拢。在没有任何多语言图文对进行对齐训练的情况下，仅靠文本端换成多语言大模型（Llama 3.1），视觉特征是无法自动“魔幻般”地与中文等其他语言特征完美对齐的。从4.4到90.6的跨度，在理论上极难成立，高度怀疑存在评测数据泄露、评测脚本bug，或者直接是数据造假。
• 严重程度：🔴
• 复核状态：⚠️ 依据不足（注：论文Table 2确实存在从4.4到90.6的异常数据跨度，且Section 4.2明确声明视觉编码器仅在英文文本上训练，原报告指出的现象存在；但仅凭当前文本信息断定其完全违背常理且涉嫌造假，缺乏代码复现和更深层的理论实锤依据，故判定为依据不足/高度存疑。）

发现 2：数据造假检测（均值计算存在数学不自洽）

• 位置：Table 1 (Systematic comparison of model performance)
• 描述：作者声称计算了5个数据集的平均Top-1准确率，但表格中的“Avg”列数值与左侧各分项数据存在无法解释的数学误差。
• 证据：以 CLIP (Radford et al. 2021) ViT-L/14 (224分辨率) 的 I2T（图像到文本） retrieval 结果为例。5个数据集的得分分别为：Flickr (85.2), COCO (56.3), SG4V (84.2), Urban (68.3), DOCCI (65.8)。真实数学平均值应为 (85.2+56.3+84.2+68.3+65.8)/5 = 71.96。然而，表格中给出的 Avg I2T 却是 72.8。这说明表格中的均值要么是手工编造，要么作者引用了其他未公开的、结果更差的实验数据来强行凑数。
• 严重程度：🟠
• 复核状态：✅ 成立

⚠️ 发现 3：图片复用检测（受限声明）

• 位置：Figure 1, Figure 2 等
• 描述：文本中未提供足够的图片像素级信息，无法进行一图多用或PS拼接痕迹的深度分析。
• 证据：仅凭文本描述无法判断实验配图的真实性。
• 严重程度：🟡
• 复核状态：⚠️ 依据不足（注：提供的原文仅包含Figure 1和Figure 2的Caption文本，缺乏原图像素信息，无法得出实质性造假结论。）

耿同学辣评

好家伙，现在的论文是连计算器都懒得用了吗？Table 1 里 CLIP L/14 的 I2T 平均分，用脚趾头算也是 71.96，作者硬生生给凑成了 72.8。连小学生都会算的均值都能出错，这篇 AAAI 2026 的稿子校对质量实在感人！更离谱的是，用纯英文数据微调视觉端，中文检索分数就能原地起飞，从 4.4 火箭式飙升到 90.6！按这个逻辑，我天天看英文原版书，闭着眼睛就能自动精通八国语言了是吧？虽然这种“跨语言魔法”因为没有实锤暂时只能算存疑，但这两大硬伤凑在一起，水分怕是比 LLaVA 生成的长文本还要多啊！

建议后续行动

• 联系作者要求提供 Stage-2 训练的详细日志，特别是验证多语言评测的具体代码和数据集划分，要求其对跨语言飞跃做出合理解释。
• 要求作者公开解释 Table 1 中 Avg 列存在的数学计算错误原因，核实是否为数据填报造假。
• 在 PubPeer 上提出质疑。
• 向 AAAI 会议组委会及微软/同济大学学术委员会举报核实。

⚠️ 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。