🔍 耿同学打假报告

论文信息

标题：LIMMT: Less is More for Motion Tracking
作者：Yu Guan, Xinqiang Yu 等 (清华大学、GalBot、上海交通大学、北京大学等)
期刊：arXiv 预印本
DOI：arXiv:2606.06953v1
发表年份：2026 (提交日期：2026年6月5日)

综合评定：🔴 实锤

详细发现

发现 1：基础数学计算错误与数据捏造嫌疑（随机数生成器都不如）

位置：Table 6 (Real-world tracking on the Unitree G1)
描述：真机测试的“平均成功率”数据与分项数据存在极其严重且荒谬的数学冲突。作者声称其 GQS 方法只需 10% 数据就能超越全量数据训练的效果，但表格中的汇总数据完全是捏造或算错的。
证据：
- 全量数据组：分项成功率分别为 8/10, 8/10, 7/10, 7/10。计算可知，总成功率为 (8+8+7+7)/40 = 30/40 = 75.0%。然而，表格最后一行报告的平均值竟然是 0.7750 (77.50%)。
- GQS (10%) 实验组：分项成功率分别为 10/10, 9/10, 10/10, 10/10。计算可知，总成功率为 (10+9+10+10)/40 = 39/40 = 97.5%。但表格中报告的平均值竟然只有 0.8500 (85.00%)！
- 极其反常的细节：表格中 MPJPE 的平均值（0.1528 和 0.1287）经过验算，与分项数据的数学平均值完全吻合（精确到了小数点后四位）。这说明作者具备计算平均值的能力，但成功率却出现了极其离谱的错误。这说明 SR 的平均值完全是人为瞎编的，或者是东拼西凑凑表格时留下的致命漏洞。
严重程度：🔴
复核状态：✅ 成立

发现 2：时间线与引用异常（量产型学术）

位置：References 部分
描述：论文提交于 2026 年 6 月，但引用了大量 2026 年 1 月至 5 月的 arXiv 预印本，且呈现出明显的“互相抱团引用”和“注水”痕迹。
证据：
- 引用了 [29] (arXiv:2602.10098, 2026年2月)、[32] (arXiv:2601.16035, 2026年1月)、[38] (2026)、[43] (2026)。
- 这些论文的作者高度重合（如 Zekun Qi, Xinqiang Yu, Wenyao Zhang, Li Yi, Zhikai Zhang 等）。作者在极短时间内（如 2026 年 1-6 月）产出了大量高度相关的 arXiv 论文，并在这篇文章中形成了闭环式的“互引矩阵”。这是典型的为了拼凑 story 或刷指标而进行的“量产型学术”流水线操作。
严重程度：🟠
复核状态：✅ 成立

⚠️ 发现 3：方法学描述与文本碎片化（拼凑/洗稿痕迹）

位置：Section 3.2 (Semantic Motion Embedding)
描述：方法部分的文本存在明显的逻辑断层和符号丢失，疑似使用工具对不同论文进行拼凑、改写或机翻后未进行仔细校对。
证据：
- 文本中多次出现公式或符号的乱码与缺失，例如：“Sphy(T X i wiLi (1)”（公式格式完全损坏）。
- 概念混淆：在 3.2 节中，前文刚说使用 “Harmonic Motion Embedding (HME) / Periodic Autoencoder [28]”，后文的描述又变成了“Unlike Variational Autoencoders... our PAE employs a purely deterministic mapping”。HME 和 PAE 在文中并未做清晰的区分，仿佛是直接从不同段落复制粘贴过来的拼接文本，缺乏学术严谨性。
严重程度：🟡
复核状态：⚠️ 依据不足（文本解析乱码及公式缺失极大概率源于 PDF 提取工具的格式化错误，不足以作为直接判定作者洗稿或学术不端的实质性证据）

耿同学辣评

“连 39 除以 40 等于 97.5% 都算不对，硬生生给自己上报了一个 85% 的成绩，成功做到了‘我卷死我自己’。实验做不出来可以理解，但表格造假连小学生算术都过不去。更别提参考文献里那串一眼望不到头的“熟人互引”名单，几个月内疯狂产出并抱团引用。这种一眼假的‘Less is More’，我看是‘Less brain, More fake’。”

建议后续行动

联系作者要求提供原始实验数据与测试日志
在 PubPeer 上提出质疑
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。

LIMMT: Less is More for Motion Tracking