🔍 耿同学打假报告

论文信息

• 标题：Optimizing Human-Powered Energy Generation Using Gaussian Process Regression
• 作者：Qirui Ding, Ying Zeng, Changhui Song, Weicheng Cui
• 期刊：Journal of Visualized Experiments (JoVE), (227), e69810
• DOI：10.3791/69810
• 发表年份：2026
• 论文来源：article-69810.pdf

综合评定：🔴 实锤

详细发现

发现 1：硬件性能与物理定律的严重冲突（嵌入式系统跑超算）

• 位置：Protocol 1.2.3 / 4.3.2 / Discussion
• 描述：论文声称在 STM32F334C8T6 微控制器（ARM Cortex-M4, 72 MHz, 64 KB SRAM）上，使用裸机方式运行高斯过程回归（GPR），并且对 n=112 的完整数据集进行 O(n³) 的 Cholesky 分解，初始化仅需 47 ± 3 ms。
• 证据：这是一个极其低级且违背计算机体系结构的谎言。一个 112x112 的双精度浮点数协方差矩阵就需要约 100 KB 的内存，而这颗微控制器的总 SRAM 仅有 64 KB！连内存都装不下，更别提在 72 MHz 的主频下进行矩阵分解了。72 MHz 的单片机进行这种规模的浮点矩阵运算，通常需要几百毫秒甚至几秒。作者大概率是随手编造了一组“看起来很漂亮”的延迟数据（如 8.3 ± 2.1 ms），却忽略了硬件的基本物理极限。
• 严重程度：🔴
• 复核状态：✅ 成立

发现 2：实验时间线与生理学逻辑的冲突（赛博朋克疲劳法）

• 位置：Experimental design 2.2.3 vs Representative Results (Table 1 / Figure 9)
• 描述：论文的实验设计规定每次测试包含：5分钟基线 + 5分钟热身 + 20分钟主测试 + 5分钟冷身 + 5分钟评估，总计 40 分钟。但在结果部分，作者声称通过算法检测到“35-40分钟后出现疲劳（fatigue > 40 min）”，并以此绘制了疲劳期的效率衰减曲线。
• 证据：如果被试者在第 30 分钟就停止了踩踏进入冷身和评估阶段，那么第 35-40 分钟他们应该正坐在沙发上休息填问卷。作者究竟是如何在“休息期”测到高达 40%-100% 振荡的发电效率和疲劳期生物力学的？这说明所谓的实验数据和图表很可能是通过代码随机生成的，完全没有经过真实的人力踩踏。
• 严重程度：🔴
• 复核状态：✅ 成立

发现 3：核心实验装置描述的前后矛盾（薛定谔的齿轮）

• 位置：Protocol 1.1.6 vs Experimental design 2.2.4
• 描述：在硬件搭建阶段（1.1.6），作者极其详细地描述了如何定制改装一辆固定单车，使用前链轮 48 齿、后飞轮 16 齿，最终减速比达到 12.4:1。然而到了人类被试者实验设计部分（2.2.4），作者又写道：“将自行车变速器固定在前面板 2 档和后面板 9 档（齿轮比 0.222）”。
• 证据：同一辆被彻底拆解、重新焊上发电机和皮带轮的改装车，怎么突然又变回了一辆拥有“前2后9”档位的原厂变速自行车？前后两部分的方法学描述直接冲突，属于典型的“东拼西凑”式论文。这强烈暗示硬件改装部分和人体实验部分是由不同人或 AI 模块分别编写的，且未进行基本的通读校对。
• 严重程度：🟠
• 复核状态：✅ 成立

发现 4：统计学逻辑的硬伤（小样本强凑分层交叉验证）

• 位置：3.3.1 / 4.4.1
• 描述：论文声称招募了 7 名参与者，然后在方法学中强调：“执行参与者级别的 5 折交叉验证（所有参与者的数据被分配到同一个 fold 中），以确保分布的完整性”。
• 证据：7 个人怎么分 5 个折？势必会出现两个折包含 2 人、三个折包含 1 人的情况。这种极度不平衡的划分会导致严重的分层失败，绝不是标准的“分层交叉验证”。机器学习基础概念的混乱，结合正文中满屏极其精确的浮点数（如 15 ± 3 iterations, 8.3 ± 2.1 ms），散发着强烈的“AI 随机数生成器一键编造数据”的味道。
• 严重程度：🟠
• 复核状态：✅ 成立

耿同学辣评

这篇论文大概率是 AI 幻觉产物，或者作者企图挑战物理学和生物学的双重底线：72 MHz 的单片机硬塞 100KB 的矩阵算超算，被试者在沙发上喝着水休息测出了“高强度踩踏疲劳期”。这套“赛博朋克式”的科研，建议直接投递给《赛博朋克 2077》的世界观设定集，而不是发在学术期刊上。

建议后续行动

• 联系作者要求提供原始数据及单片机内存溢出的理论解释
• 在 PubPeer 上提出质疑
• 向期刊编辑部举报（涉嫌伪造实验数据和方法学）
• 向作者所在机构（西湖大学）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。