🔍 耿同学打假报告

论文信息

标题：Is Mamba effective for time series forecasting?
作者：Zihan Wang, Fanheng Kong, Shi Feng, Ming Wang, Xiaocui Yang, Han Zhao, Daling Wang, Yifei Zhang
期刊：Neurocomputing
DOI：10.1016/j.neucom.2024.129178
发表年份：2025 (Available online 14 December 2024)
论文来源：main.pdf

综合评定：🟡 存疑

详细发现

发现 1：数据集描述与时间步长存在明显矛盾

位置：Table 1 / Page 5 / Section 5.1
描述：在 Table 1 中，作者对 ETT 数据集的统计信息存在明显的常识性错误和内部矛盾。表格中显示 ETTm1 & ETTm2（15分钟粒度）的 Timesteps 为 17,420；而 ETTh1 & ETTh2（1小时粒度）的 Timesteps 为 69,680。
证据：根据时间序列预测领域的常识以及原版 ETT 数据集（Informer论文提出），ETTh（小时级）两年左右的数据总量应为 17,420 条；而 ETTm（15分钟级）的数据总量应为 69,680 条。作者在表格中正好将两者的 Timesteps 弄反了。这是典型的编写论文时复制粘贴或敷衍了事导致的硬伤。
严重程度：🟡
复核状态：✅ 成立

发现 2：实验数据缺乏方差/标准差报告（统计学缺失）

位置：Table 2, Table 3, Table 4, Table 5 / Section 5.2 & 5.4
描述：作为一篇包含十三次公开数据集实验和大量对比模型（9个基线模型）的深度学习实证论文，所有的实验结果表格（Table 2-5）均只报告了单一的绝对数值（MSE和MAE），没有提供任何标准差、标准误或置信区间。
证据：深度学习模型的训练通常受随机种子、参数初始化等因素影响。表中的部分最佳结果（S-Mamba与第二名iTransformer之间的差距）甚至出现在小数点后三位（例如 Table 3 ETTm1 数据集，S-Mamba 为 0.333，iTransformer 为 0.334）。在没有多次重复实验方差保护的情况下，这种极小差距的"胜利"在统计学上是站不住脚的。
严重程度：🟡
复核状态：✅ 成立

发现 3：文本与代码开源承诺的自洽性验证

位置：Abstract / Page 1
描述：作者在摘要末尾明确声明 "Our code is available at https://github.com/wzhwzhwzh0921/S-D-Mamba."
证据：作者敢于在顶刊公开发表带有真实课题组 GitHub 账号（wzhwzhwzh0921 对应第一作者 Zihan Wang）的开源链接，这在很大程度上增加了论文实验部分的透明度和可复现性。通常来说，系统性伪造实验结果的论文会刻意避免提供真实的代码仓库。尽管存在上述数据集描述笔误，但其核心实验大概率是真实跑出来的。
严重程度：✅ (正向证据)
复核状态：✅ 成立

发现 4：时间线逻辑验证

位置：Page 1 / References
描述：论文于 2024 年 6 月 22 日投稿，2024 年 12 月 7 日被接收。文中所依赖的核心架构 Mamba (arXiv:2312.00752) 发布于 2023 年 12 月，基线模型 iTransformer (arXiv:2310.06625) 发布于 2023 年 10 月。
证据：时间线完全自洽，没有出现"穿越"使用尚未发表的算法或未来设备的情况。
严重程度：✅ (正向证据)
复核状态：✅ 成立

(注：由于系统只提供了纯文本内容，未提供原始图片的像素级信息，因此"耿同学六式"中的第一式（图片复用）、第三式（图片拼接检测）无法进行肉眼像素比对。)

耿同学辣评

你这论文里的 ETT 数据集是来整蛊的吧？15分钟采样的和1小时采样的时间步长完美互换，这是把审稿人和读者的智商按在地上摩擦啊！虽然代码开源算是条汉子，但连数据集基本属性都能大眼瞪小眼写反，这科研态度属实有点"狂野"了。此外，一个标榜超越 SOTA 的模型，连多次重复实验的方差都不敢报，就靠小数点后三位显微级领先来宣称胜利，这胜利的含金量实在让人捏把汗。

建议后续行动

联系作者要求提供原始数据
在 PubPeer 上提出质疑（针对 Table 1 的低级错误及缺失的方差统计）
向期刊编辑部举报
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。

Is Mamba effective for time series forecasting?