Loading...
正在加载...
请稍候

Joint multi-objective optimization based on multitask and multi-fidelity Gaussian processes for flapping foil

2026-06-28 08:15

🔍 耿同学打假报告

论文信息

  • 标题:Joint multi-objective optimization based on multitask and multi-fidelity Gaussian processes for flapping foil
  • 作者:Zhangyuan Wang, Yuqi Yan, Xinyu Zeng, Ruipeng Li, Weicheng Cui, Youzhi Liang, Dixia Fan
  • 期刊:Ocean Engineering
  • DOI:https://doi.org/10.1016/j.oceaneng.2024.116862
  • 发表年份:2024
  • 论文来源:1-s2.0-S0029801824001999-main.pdf

综合评定:🟡 存疑

详细发现

发现 1:数学描述与数据自相矛盾(文本与数据不符)

  • 位置:Appendix A. Validations and convergence tests / Page 11 (Table A.5 下方的文本)
  • 描述:作者在论述时间步独立性分析时写道:“As the time step is reduced from 1.5dt to dt, the thrust coefficient increases from 1.232 to 1.274, while the lift coefficient decreases from 0.0144 to 0.0242.”(当时间步从1.5dt减小到dt时,推力系数从1.232增加到1.274,而升力系数从0.0144减小到0.0242)。
  • 证据:基础数学逻辑错误。0.0242 明显是大于 0.0144 的。作者在文本描述中声称数据“减小”,但实际数据却翻倍增长了。这种低级的文本与数据脱节,通常暗示作者在复制粘贴前后的草稿数据时忘记了更新文本,或者是粗制滥造的体现。
  • 严重程度:🟡
  • 复核状态:✅ 成立

发现 2:引文格式大面积崩坏(文献管理失控)

  • 位置:Section 1. Introduction (Page 1-2)
  • 描述:论文的引言部分出现了大量残缺不全的引用格式,仿佛是 EndNote/Mendeley 等文献管理软件在最终排版时发生严重崩溃,且作者和审稿人完全没发现。
  • 证据:诸如 (Wang et al., ; , )(Wu et al., ; , ; , ),以及极其离谱的 A comprehensive review by 2022)。正常的学术论文即使有漏标年份,也不会连作者名字和前置词全部丢失变成逗号。这虽然不直接等同于数据造假,但充分暴露出该论文在撰写和校对环节的极度不严谨。
  • 严重程度:🟡
  • 复核状态:✅ 成立

⚠️ 发现 3:图片无法进行像素级验证

  • 位置:Figure 1 ~ Figure B.18
  • 描述:由于本次检测仅提供文本而未提供高清原图,无法对文中的CFD涡量图(Vorticity fields)和机器学习模型的收敛图(MAE变化曲线、Pareto前沿图)进行“耿同学六式”中的第一式(图片复用)和第三式(拼接痕迹)检测。
  • 证据:机器学习回归类文章由于极易通过调整代码或捏造数据点来生成“完美”的收敛曲线,通常需要重点核验原始数据代码。本文图9中的MAE下降曲线和图13的Pareto前沿在文本描述中显得“一切顺利”,但在缺乏原始高保真CFD(300个样本点,每个模拟8小时)计算日志的情况下,无法判定其数据是否真实跑出。
  • 严重程度:无法判断
  • 复核状态:⚠️ 依据不足

耿同学辣评

好家伙,我见过算错数据的,没见过把“变大”硬说成“减小”还理直气壮写进 Appendix 里的!这篇论文搞的是高大上的“多保真高斯过程”,结果在文本保真度上直接翻车。更别提引言里那一堆 (Wang et al., ; , ),不知道的还以为键盘上的逗号卡住了呢!跑 300 次 8 小时的 CFD 仿真确实辛苦,但写论文的时候好歹花 8 分钟通读一遍啊!

建议后续行动

  • 在 PubPeer 上提出质疑(指出其文本与数据的数学矛盾及崩坏的引用格式)。
  • 联系作者要求提供 300 个高保真数据的 CFD 计算日志及源代码,以验证机器学习模型数据的真实性。
  • 提醒期刊编辑部关注该文的排版与校对质量。

⚠️ 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。