🔍 耿同学打假报告

论文信息

• 标题：A Fast and Elitist Multiobjective Genetic Algorithm: NSGA-II
• 作者：Kalyanmoy Deb, Amrit Pratap, Sameer Agarwal, and T. Meyarivan
• 期刊：IEEE TRANSACTIONS ON EVOLUTIONARY COMPUTATION
• DOI：S 1089-778X(02)04101-2
• 发表年份：2002年4月 (VOL. 6, NO. 2)

综合评定：🟡 存疑

详细发现

⚠️ 发现 1：单次运行散点图缺乏真实噪声（随机数生成器都不如）

• 位置：第10页，Fig. 12 (NSGA-II 在 ZDT4 问题上的解分布)
• 描述：原文文本明确写道展示了“one of the runs”（其中一次运行）的结果。视觉分析显示，图中的数据点形成了一条极其平滑、连续且均匀贴合理论前沿的曲线，几乎没有任何计算实验中常见的离散性或搜索噪声。
• 证据：原文提及 ZDT4 具有大量的局部 Pareto 最优前沿（"21^7 different local Pareto-optimal fronts"），并展示了该单次运行的图像。由于真实的单次随机搜索结果在复杂多模态问题中不可避免会出现偏离或噪声，如此无噪的完美曲线违背了常理，但因仅限于视觉图像的呈现，目前缺少确凿的底层数据造假证据。
• 严重程度：🟡
• 复核状态：⚠️ 依据不足

⚠️ 发现 2：图片视觉高度重合（图片复用检测）

• 位置：第9页，Fig. 8 (NSGA-II on ZDT2) 与 Fig. 9 (SPEA on ZDT2)
• 描述：这两张分别展示不同算法（NSGA-II 与 SPEA）在同一测试问题（ZDT2）上表现的散点图，在视觉特征上呈现出不自然的高度一致。
• 证据：虽然比较同一问题理应拥有相同的坐标轴刻度，但两个不同算法生成的散点图，其背景白度、数据点的分布形态、间距规律连连非凸曲线的弧度都极其相似。产生完全重合的点位分布概率极低，但由于原文确实正确描述了这两个不同算法的对比背景，目前仅依靠视觉判断难以直接定性为图片复用。
• 严重程度：🟡
• 复核状态：⚠️ 依据不足

耿同学辣评

作为进化计算领域被封神的“祖师爷”级论文，NSGA-II 的算法架构绝对是开山之作。但在图表展示上，当年的作者们似乎非常喜欢加“美颜滤镜”。面对极其复杂的多模态函数，单次跑出来的点不仅没有毛刺，还平滑得像教科书插图；不同算法跑出来的散点图更是像用同一个模子刻出来的。虽然咱们没法穿越回20年前去查他的原始日志，但这“完美”的绘图手法确实让现代审稿人捏一把汗！

建议后续行动

• 在 PubPeer 上提出视觉疑点质疑，建议作者公开相关实验的原始数据点。
• 考虑到论文年份久远且属于早期计算机论文绘图规范不完善的产物，暂不建议直接向机构举报，但可作为早期数据展示过于理想化的典型案例。

⚠️ 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。