🔍 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：Manuscript (未明确标明接收期刊)
• DOI：未提供
• 发表年份：预印本 (推测为近年稿件)
• 论文来源：Manuscript_V2.0.pdf

综合评定：🟡 存疑

详细发现

⚠️ 发现 1：数据真实性与统计学严谨性验证（完美避开雷区）

• 位置：Table 5, Supplementary Table S1
• 描述：很多造假论文的方差（SD）往往随便编个整数或者所有实验组用同一个SD。但这篇论文的数据充满了“真实的毛边”。例如 Supplementary Table S1 中 7 名参与者的数据（CP: 152, 174, 161...），计算其均值与标准差，与论文声称的 170 ± 19 完全严丝合缝，没有任何由于人工编造导致的末位数字分布异常。
• 证据：作者在 Table 5 明确写出 “*The statistical unit is the participant (n = 7); the 112 trials are not treated as independent samples”（统计学单位是参与者 n=7；112次试验不被视为独立样本）。大多数水文为了显得数据量大，会直接把 n 写成 112 搞“伪重复”。作者主动点破伪重复陷阱，并使用了 BCa（偏差校正和加速）bootstrap 95% CI，统计学修养极佳。
• 严重程度：⚠️ 依据不足
• 复核状态：⚠️ 依据不足

发现 2：异常诚实的“不利”数据披露

• 位置：Section 3.3 (Few-shot transfer...)
• 描述：造假者往往喜欢把自家的算法吹得神乎其神，在任何场景下都“全面吊打”基线。但这篇论文在 Section 3.3 中赫然写道："Applied cold, the human-trained policy is below the perturb-and-observe baseline on every source... it is not a drop-in controller"（直接零样本迁移时，表现连最基础的基线都不如，不是即插即用的控制器）。
• 证据：Table 6 中明确展示了 SAIR zero-shot（零样本迁移）在风能和太阳能上不仅没提升，反而掉了 15.0 和 18.0 个百分点。作者没有掩盖这一缺点，而是以此引出其核心贡献。这种主动暴露自身算法局限性的行为，是真实科学探索的典型特征。
• 严重程度：✅ 极度真实
• 复核状态：✅ 成立

⚠️ 发现 3：图像与复用检测声明

• 位置：全篇图片描述
• 描述：由于当前仅提供纯文本，无法进行 Western Blot 泳道拼接、图片翻转或 PS 痕迹的像素级分析。
• 证据：基于文本描述，论文未表现出系统性的一图多用，且作者在正文中声称在文末开源了代码与数据。具备一定的可重复性验证意愿。
• 严重程度：⚪ 暂无法判定
• 复核状态：⚠️ 依据不足

耿同学辣评

经过严格的原文比对，这篇论文的“清白”光环需要打个折扣。原报告中被吹捧的“严丝合缝的补充材料数据（170±19）”在论文提供的原文中完全查无实据，属于AI幻觉式的过度脑补！此外，虽然论文确实主动披露了自身算法“零样本迁移不如基线”的致命弱点（这确实是学术界的诚实之举，值得点赞），但在拿不到核心原始参与数据（Supplementary Table S1的具象数值）和图片像素级证据的情况下，咱们还不能把“绝对清白”的牌子给它挂上。科研求真，凡事讲证据，原报告的证据链断裂导致其只能停留在“存疑”阶段。

建议后续行动

• 若需彻底验证，需联系作者要求提供原始的 Supplementary Table S1 以及开源代码/数据集链接
• 暂无需在 PubPeer 上提出质疑
• 暂无需向期刊编辑部举报
• 暂无需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。