🔍 耿同学打假报告

论文信息

标题：高精度时钟同步策略研究及验证
作者：张艺飞
期刊：硕士学位论文（北方工业大学）
DOI：无
发表年份：2025
论文来源：高精度时钟同步策略研究及验证_张艺飞.pdf

综合评定：🔴 实锤

详细发现

发现 1：数据造假检测（随机数生成器都不如）

位置：5.3.1 节，图 5-5 文字描述（第 58 页）
描述：不同节点的 RMSE 改进数据存在极其荒谬的数学规律。作者声称对比了基本卡尔曼滤波与融合方法的 RMSE，但在不同维度的时钟源下，两者之间的绝对差值被极其生硬地锁定在 10000 左右。
证据：提取原文数据计算：
- 节点 3：450053.7 - 440060 = 9993.7
- 节点 4：566502.5 - 556512.0 = 9990.5
- 节点 5：3392419.1 - 3382424.6 = 9994.5
- 节点 6：1813504.6 - 1803508.9 = 9995.7
- 节点 7：903522.1 - 893523.9 = 9998.2
  误差动辄几十万甚至三百多万纳秒的不同时钟源，融合算法提升的绝对精度竟然奇迹般地全部固定在 9990~9998ns 之间！这绝不可能是真实物理实验的结果，极有可能是作者在编造数据时，使用了类似于 基准值 - 10000 + 随机微小扰动 的 Excel 公式批量生成的。这是确凿的系统性造假证据。
严重程度：🔴
复核状态：✅ 成立

发现 2：数据造假与深度学习常识违背

位置：5.2 节（第 52 页）
描述：LSTM 模型的训练损失值描述严重违背常理，且与其宣称的预测精度存在不可调和的数学矛盾。
证据：原文声称“初始训练损失约为 1.2×10^-10，经过多轮训练后最终损失下降至约 3.5×10^-13”。如果采用 MSE（均方误差，作者在 4.2.2 节明确说明使用了 MSE），损失为 3.5×10^-13 意味着 RMSE（均方根误差）约为 5.9×10^-7（即 0.00000059）。但在后文 4.2.3 节中，作者又声称模型在测试集上的 RMSE 约为 1.36ms。训练集拟合到了小数点后 7 位，测试集误差却高达 1.36ms，不仅证明模型存在灾难级的过拟合（与作者宣称的“未出现过拟合”矛盾），更可能说明这些损失数值完全是随手编造的科幻数字。
严重程度：🔴
复核状态：✅ 成立

⚠️ 发现 3：统计学异常检测与机器学习基础概念错误

位置：4.2.2 节，图 4-3 文字描述（第 34 页）
描述：作者对模型训练曲线的解读暴露了其对深度学习基本概念的严重误解，涉嫌生搬硬套套话。
证据：原文写道：“注意到验证损失低于训练损失，这表明模型未出现过拟合，归功于有效的正则化策略。” 在机器学习中，训练集由于包含 Dropout 等正则化机制，其 Loss 高于验证集是正常现象；但作者将其作为“未出现过拟合”的证明，显示出学术水平的硬伤。结合前文各种编造的数据，这段描述极有可能是为了掩饰并未真实进行过的训练过程而写的敷衍之词。
严重程度：🟠
复核状态：⚠️ 依据不足

发现 4：方法学异常检测（理论下界被实际打破）

位置：4.5.1 节（第 44 页）
描述：实际算法性能竟然打破了作者自己推导的“理论性能下界”。
证据：作者在文中计算得出卡尔曼滤波的稳态 MMSE（最小均方误差）理论下界 P11 ≈ 9.23。紧接着作者写道：“实际系统中，卡尔曼滤波的 RMSE 约为 1.84，对应 MSE 约为 3.38，明显低于理论下界。” 在信息论与估计理论中，实际系统的均方误差绝对不可能“明显低于”解析推导的理论下界。如果实际表现远超理论下界，只有两种可能：理论推导完全错误，或者实验数据是假的。
严重程度：🔴
复核状态：✅ 成立

发现 5：方法学与内部逻辑矛盾

位置：4.5.4 节与 5.2 节（表 5-1）
描述：LSTM 网络的模型结构参数在不同章节存在明显的前后矛盾。
证据：在 4.5.4 节中，作者为了计算复杂度，假设“实验中使用的 H=80（隐藏层大小）”，并得出参数量约为 29,000。然而，在第 5 章的实验真实配置（表 5-1 及相关正文）中，LSTM 网络却变成了“两层 LSTM 网络，分别包含 32 和 16 个隐藏单元”。这说明第四章的复杂度理论分析完全是在空中楼阁上进行的，根本没有与实际实验对齐。
严重程度：🟠
复核状态：✅ 成立

耿同学辣评

这篇论文简直是数据造假的“反面教材大全”！你以为在不同时钟源上减去同样大小的误差（固定的 9995ns）能瞒天过海？这就像是给五个体重完全不同的人减肥，最后每个人掉的全是精准的 9995 克肉，连牛顿和爱因斯坦看了都得连夜给你修墓！更离谱的是，训练集 Loss 能飙到 10的负13次方，结果测试误差高达 1.36 毫秒，我看你这 LSTM 不是在预测时钟，是在用量子计算机算微积分吧？连自己推导的理论下界都能被实验数据“反杀”，第四章算复杂度用的参数和第五章实验台的参数完全牛头不对马嘴。学术造假搞得这么没有技术含量，简直是对“造假”这两个词的侮辱！

建议后续行动

联系作者要求提供原始数据（特别是核对节点 3 至 7 的真实 RMSE 测量原始日志）
联系作者要求提供 LSTM 训练的 TensorBoard / Log 日志，核实 10^-13 的 Loss 是否真实存在
在知网或相关学术平台提出公开质疑
向北方工业大学研究生院及学术委员会举报，申请撤销其学位论文答辩资格或启动复查

⚠️ 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。

高精度时钟同步策略研究及验证