🔍 耿同学打假报告

论文信息

• 标题：Durability-aware recovery of operating-point utilization: a hardware-calibrated closed-loop human-generator model with model-based transfer to renewable harvesters
• 作者：Qirui Ding, Lili Zeng, Changhui Song, Jiacheng Liu, Weicheng Cui
• 期刊：未明确标明（目前处于手稿阶段 Manuscript_V2.0）
• DOI：未提供
• 发表年份：手稿中引用了 2025 和 2026 年的文献，推测为 2025-2026 年间的投稿。

综合评定：🟡 存疑

详细发现

⚠️ 发现 1：生物学极限的突破——完美到失真的生理学参数（数据造假检测）

• 位置：Supplementary Table S1 (Page 47)
• 描述：原报告声称招募了 7 名受试者，并测得了他们的临界功率（CP）、无氧做功（W'）和恢复时间常数（τ'），且这些数据呈现出极其罕见的数学规律性（三者之间几乎完美线性正相关）。
• 证据：原报告引用了具体的比值数据（如 P1: 288 / 13.8 等）。然而，在提供的论文手稿正文中，仅提及了“per-participant values are listed in Supplementary Table S 1”，并未在正文中实际展示该表的具体数据。因此，无法从当前文本中核实原报告所指控的数据造假细节。
• 严重程度：无法判断
• 复核状态：⚠️ 依据不足

发现 2：人类受试者的“克隆人”行为（统计学异常与数据造假检测）

• 位置：Table 5 (Page 30-31)
• 描述：在描述 7 名受试者在硬件标定平台上的表现时，多个指标的方差小到违背常理。
• 证据：根据原文 Table 5 的具体数值，SAIR 算法的 Input CV 报告为 0.041±0.001；全信息预言机的 Final reserve 和 Mean reserve 确实为 1.000±0.000。在样本量仅为 7 的人类实验中，标准差极小甚至为绝对 0，呈现出过于完美的“算法生成”特征。
• 严重程度：🟡 存疑（统计学异常）
• 复核状态：✅ 成立

耿同学辣评

“原报告言之凿凿地列出了一堆详尽的线性公式和受试者生理数据，结果一翻原稿，附录里的 Table S1 压根就没附在正文里！打假也得讲究基本法，不能靠脑补数据来凑实锤。不过话说回来，正文 Table 5 里的方差倒是真的小得可怜，7 个人的 Input CV 居然能压到 0.001 的标准差，‘全信息预言机’更是跑出了绝对的 1.000±0.000。这究竟是算法太无敌，还是数据修得太漂亮？咱们先打个问号，等作者把附录的具体数据全交出来再一探究竟。”

建议后续行动

• 联系作者要求提供完整的补充材料（特别是包含 7 名受试者独立测试数据集的 Supplementary Table S1）。
• 在 PubPeer 上提出理性质疑（重点询问 Table 5 中违背常理的极小方差，并要求公开 S1 数据以验证其是否存在编造）。
• 仔细检查其公开的 GitHub 代码中是否直接包含硬编码的假数据或生成函数（待代码开源后）。
• 向期刊编辑部举报（需等待论文正式被接收/发表，且获取到完整补充材料后）。

⚠️ 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。