🔍 耿同学打假报告

论文信息

• 标题：NaviTreat: A Reinforcement Learning Framework with Urate Crystal Pool Dynamics for Gout Treatment Pathway Optimization
• 作者：Ruilei Wang, Ruiming Shen, Fengyao He, Shuai Zhao, Nansheng Zheng
• 期刊：ChinaXiv preprint (非同行评审预印本)
• DOI：ChinaXiv:202607.00093v1
• 发表年份：2026

综合评定：🔴 实锤

详细发现

发现 1：统计学奇迹——不同算法跑出了小数点后完全一致的结果

• 位置：Table 6, Table 7 / Page 10-11
• 描述：在 N=50 和 N=8/15 的小样本队列评估中，三种截然不同的策略（Guideline Doctor 规则集、BC 模仿学习、PPO 强化学习）竟然生成了均值和标准差精确到小数点后一位都完全相同的数据。
• 证据：
  • Table 7 中，Recurrent Flare 亚组（N=15）：Doctor (93.3 ± 0.3), BC (93.3 ± 0.3), PPO (93.3 ± 0.3)。
  • Chronic Tophaceous 亚组（N=8）：Doctor (50.0 ± 0.5), BC (50.0 ± 0.5), PPO (50.0 ± 0.5)。
  • 不同数学模型的独立输出在多次随机模拟中不仅均值完全一致，连方差也做到了一模一样。这违背了基本的概率统计原理，在真实的计算机模拟中几乎不可能发生，高度怀疑是直接复制粘贴了同一组数据。
• 严重程度：🔴
• 复核状态：✅ 成立

发现 2：随机数生成器都不如——离谱的小样本方差

• 位置：Table 7 / Page 11
• 描述：作者声称进行了 10 次独立评估运行（seeds 42-51），并报告了标准差（SD）。但在极小的样本量下，数据呈现出不可能的精确度。
• 证据：
  • 以 Chronic Tophaceous 亚组为例（N=8），命中率的可能离散值只能是 12.5% 的整数倍（如 37.5%, 50.0%, 62.5%）。要在 10 次独立运行中得到精确为 50.0% 的均值和 0.5 的标准差，在数学上需要极其特定的序列，且如果是恒定输出，标准差应为 0。
  • 另外解释一下小数位问题，Guideline Doctor 是基于规则的确定性算法，为什么在 Acute Flare 组没有标准差，而在其他组却出现了 0.3、0.5 这种不可思议的波动？数据捏造痕迹明显。
• 严重程度：🔴
• 复核状态：✅ 成立

发现 3：消融实验自相矛盾，核心创新成负优化

• 位置：Table 8 / Page 12
• 描述：作者声称提出了一个 "8-component weighted multi-objective reward function"（8组分加权多目标奖励函数），并且强调 Progress（进度奖励）是占 60% 权重的主导项。但消融实验的结果直接打脸。
• 证据：
  • Full model 的 Target Rate 是 86.0%，Mean Reward 是 148.3。
  • 去掉主导的 Progress reward 后，Target Rate 居然依然是 86.0%，Mean Reward 仅仅微降到 145.4（主导项去掉了，总奖励几乎没变？）。
  • 更可笑的是，去掉了 "All aux. rewards"（所有辅助奖励，只留主项），Target Rate 还是 86.0% 不变，而 Mean Reward 竟然升高到了 155.0！
  • 这说明作者煞费苦心设计的辅助奖励组件不仅毫无作用，反而是在"负优化"拖累模型，但论文却将其列为核心贡献（Contribution 2）。
• 严重程度：🟠
• 复核状态：✅ 成立

发现 4：训练曲线完美得像个笑话

• 位置：Figure 4(B) / Page 10
• 描述：视觉分析摘要指出，PPO 微调的 Mean reward 曲线在 3000 episodes 的训练过程中呈现出一条极为平滑、单调上升的曲线。
• 证据：真实强化学习（RL）的训练曲线由于探索-利用的权衡，不可避免地会伴随剧烈的震荡和毛刺。像这种"教科书级别"的完美平滑曲线，大概率是数据经过了人为的过度平滑处理，或者是直接用函数画出来的示意图，而非真实的日志数据。
• 严重程度：🟠
• 复核状态：✅ 成立

⚠️ 发现 5：引用与依赖的时间线冲突

• 位置：Section 4 / Page 9
• 描述：作者在文中声明使用的软件版本为 "Python 3.11, Gymnasium 1.0.0, PyTorch 2.6.0"。
• 证据：截至 2026 年 7 月，PyTorch 的版本号确实有可能更新到 2.6.x。但 Gymnasium（Farama 基金会维护）目前的版本还在 0.x 阶段（如 0.29），如果要在 2026 年中旬直接跃升并使用 1.0.0 正式版，存在时间上的突兀感（由于是预印本，存在未来版本的可能，但结合其他实锤造假的数据，这一处版本号显得极有可能是随手瞎编的）。
• 严重程度：🟡
• 复核状态：⚠️ 依据不足

耿同学辣评

这篇预印本堪称一场"算法魔术表演"。三种完全不同的算法（规则、模仿学习、强化学习）不仅学得一模一样，甚至连随机数生成器都长了同一个脑子，跑出来的均值和方差精确到了小数点后完全重合！最讽刺的是，作者大吹特吹的"8组分核心奖励函数"，被自己的消融实验实锤为"全靠同行衬托"，去掉一半奖励模型表现反而更好。把假数据做得这么敷衍，连 Excel 往下拉 filler 都比你这有诚意！

建议后续行动

• 联系作者要求提供原始数据（鉴于已开源代码，建议直接审查其 statistical_tests.json 看看数据是怎么生成的）
• 在 PubPeer 上提出质疑
• 向 ChinaXiv 平台举报，要求撤稿或打上"数据异常"标签
• 向作者所在机构学术委员会举报（考虑到这是未受同行评审的预印本，建议优先施压平台和作者自查）

⚠️ 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。