🔍 耿同学打假报告

论文信息

• 标题：Paraphrase-Based Retrieval-Augmented Generation System for Free-Format Enterprise Spreadsheet Documentation
• 作者：Jinan Dai, Shinji Itoh
• 期刊：未明确标明（从排版和参考文献格式推测为 IEEE 或 ACM 相关会议/期刊）
• DOI：未提供
• 发表年份：推测为 2025/2026 年（结合当前日期及文中引用的 2025 年文献）
• 论文来源：paper_3378.pdf

综合评定：✅ 清白

详细发现

发现 1：数据自洽性审查（表格交叉验证无异常）

• 位置：Table I / Table IV / Table V
• 描述：视觉分析摘要曾指出 Table V（FP32 Correctness）中的部分数据（如 66.90%）高于 Table I 中的最高值，对此提出了轻微质疑。但经过文本逻辑与数据的交叉比对，发现这并非造假，而是作者严谨实验设计的体现。
• 证据：论文正文明确提到“在许多主流搜索引擎（包括 Elasticsearch）中，INT8 量化是默认启用的”。Table I 报告的正是系统在默认配置下的表现。我们将 Table V 的 INT8 Correctness 列与 Table I 进行比对：
  • Qwen3-30B-A3B + bge-m3：Table I (62.37%) = Table V INT8 (62.37%) —— 完全吻合
  • Qwen3-30B-A3B + multilingual-e5-large：Table I (62.37%) = Table V INT8 (62.37%) —— 完全吻合
  • gpt-oss-120b + bge-m3：Table I (59.23%) = Table V INT8 (59.23%) —— 完全吻合
  • gpt-oss-120b + multilingual-e5-large：Table I (63.41%) = Table V INT8 (63.41%) —— 完全吻合
    同时，Table IV（向量中心化实验）的 Baseline 列数据也与上述 INT8 基准完全一致。这种跨表格极度的数据自洽性，不仅排除了随机数造假的可能，反而证明了作者控制变量的极度规范。
• 严重程度：🟡（澄清视觉摘要的疑虑）
• 复核状态：✅ 成立

⚠️ 发现 2：引用与方法学异常（文本乱码与排版丢失）

• 位置：Appendix B / Section V.C
• 描述：在附录的提示词模板及正文中，出现了无意义的乱码字符以及不完整的句子结构。提示存在排版瑕疵的可能，亦可能由 PDF 提取过程中的字符编码错误所致，并非作者伪造数据。
• 证据：原文附录 B 标题后紧跟乱码：“ごとづ てはぬぬはぷどので ばひはねばぴ ぷちび ふびづつ てはひ ぴとづ 。のちぬ でづのづひちぴどはの phase, strictly grounding the LLM's response on the originally retrieved JSON format...” 以及正文 Section V.C 中出现 “つづ。のづつ どの<Requirement>.” 和 “fゔ。ぬづのちねづゔ〺 〤f。ぬづのちねづg”。
• 严重程度：🟡（未影响核心实验结论）
• 复核状态：⚠️ 存在良性解释（PDF提取或字体编码转换过程产生的文本乱码，属于排版瑕疵而非学术造假）

⚠️ 发现 3：引用与方法学异常（模型命名与时间线）

• 位置：Section V.B
• 描述：文中提及使用了名为 gpt-oss-120b 的高级推理模型，并称其配置了 medium reasoning effort。该名称较不常见，提示需要作者进一步明确其具体出处。但在当前 AI 模型爆发式更新的背景下，亦可能由其为最新发布模型的内部别称或特定分支所致，目前无充分证据表明其为虚构模型。
• 证据：原文 V.B 节确实存在对该模型的配置描述，并在 Table I 中多次作为生成模型列出评测结果。
• 严重程度：🟡
• 复核状态：⚠️ 依据不足

耿同学辣评

这数据严丝合缝的程度，造假者看了都得连夜补习线性代数！别的论文是生怕你对不上，这篇论文是生怕你以为它对不上，Table I、IV、V 的控制变量玩得明明白白。至于附录里那堆“ふびづつてはひ”的乱码，大概率是字体编码没处理好背了锅，属于排版小瑕疵，不影响核心数据的清白。至于那个罕见的模型名，就让子弹再飞一会儿吧。

建议后续行动

• 无需联系作者要求提供原始数据（数据已高度自洽）
• 无需在 PubPeer 上提出质疑
• 无需向期刊编辑部举报
• 建议作者在未来版本中修复附录的 PDF 乱码问题

⚠️ 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。