🔍 耿同学打假报告

论文信息

标题：Towards Interpretable User Intent Analysis with Deficient Evidence Fusion for Pseudo-Modalities
作者：Chaochen Wu, Guan Luo, Meiyun Zuo
期刊/会议：Proceedings of the 2025 International Conference on Multimedia Retrieval (ICMR '25)
DOI：10.1145/3731715.3733454
发表年份：2025
论文来源：3731715.3733454.pdf

综合评定：🟡 存疑

详细发现

发现 1：图片复用与 PS 痕迹检测（第一式/第三式）

位置：Figure 2 / Figure 5 / Figure 6
描述：作为一篇计算机科学/自然语言处理（NLP）领域的论文，本文使用的均为模型架构图、柱状图和文本热力图，没有生物医学论文中常见的 Western blot 或流式细胞图。
证据：由于不存在像素级的实拍照片，排除了传统的“一图多用”或“抹除条带”等低级造假手段。文中的图表逻辑与文本描述（如公式推导、特征维度）能够一一对应。
严重程度：✅ 清白（不适用此检测维度）
复核状态：✅ 成立

发现 2：开源代码与作者身份异常（第六式：引用与方法学异常）

位置：摘要部分 / 第 1 页
描述：论文宣称代码开源，地址为 github.com/yuanxiaoheben/DENet。
证据：论文的三位作者分别为 Chaochen Wu (中国人民大学), Guan Luo (中科院自动化所), Meiyun Zuo (中国人民大学)。然而，其提供的 GitHub 账号名为 yuanxiaoheben（拼音疑似“袁小河北”），与所有作者的姓名拼音均严重不符。在学术打假中，开源账号与作者身份不匹配是一个轻微的“红旗信号”——可能是借用了他人的账号，也可能是存在未列出的“代写/枪手”，或者仅仅是作者使用了不相关的私人小号。
严重程度：🟡 存疑
复核状态：✅ 成立

发现 3：时间线完美自洽（第五式：产出异常检测）

位置：参考文献 [3] / 全文时间线
描述：当前日期为 2026 年 6 月，本文发表于 2025 年 6 月的 ICMR '25 会议。
证据：本文引用了作者自己于 2024 年发表的文献 [3] (Cao, Wu, et al. 2024)。从时间逻辑上看，2025 年的会议论文引用 2024 年的过往工作是完全合理的。没有出现“使用了尚未发布的设备/试剂”或“引用了未来文献”的时间穿越悖论。
严重程度：✅ 清白
复核状态：✅ 成立

发现 4：实验数据与复杂度真实性（第二式/第四式：数据与统计学异常）

位置：Table 2 (第 4 页) / Table 6 (第 6 页)
描述：表格中的分类准确率（如 BANKING 数据集 DET 模型 94.16%）和 F1 分数均处于当前 NLP 领域主流方法的合理区间内，没有出现“100%完美”的假数据特征。
证据：特别值得注意的是 Table 6 的运行时间测试。文中报告 LIME 耗时 11849 秒，Shapley values 耗时高达 72444 秒，而作者的 DENet 仅需 56.81 秒。在解释性 AI 领域，基于扰动（如 LIME/SHAP）的方法在长文本上耗时极长是真实存在的“痛点”，作者如实的巨大时间差距（一千倍以上）反而印证了实验大概率是在真实环境下跑出来的。如果是造假，往往会编造比较接近的运行时间。
严重程度：✅ 清白
复核状态：✅ 成立

耿同学辣评

咱们搞计算机算法的论文，虽然没有生物医学那样花里胡哨的 WB 图可以拿 ImageJ 找 PS 痕迹，但造假的翻车率一样不低！这篇论文的实验数据“泥泞不堪”的真实感（特别是那个跑了 7 万多秒的对照组）非常对味。不过，你三位作者名字里连个带“yuan”的都没有，却把代码开源在 yuanxiaoheben 这个账号下，难道是背后的“袁同学”深藏功与名？

建议后续行动

联系作者要求解释 github.com/yuanxiaoheben/DENet 账号归属问题。
下载其开源代码，复现 Table 1 中的 F1 分数，检查是否存在 Data Leakage（数据泄露）。
（可选）在 PubPeer 上交流对此模型可解释性的看法。

⚠️ 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。

Towards Interpretable User Intent Analysis with Deficient Evidence Fusion for Pseudo-Modalities