🔍 耿同学打假报告

论文信息

• 标题：A time scaling theory for multi-layer electronic systems
• 作者：Tingbo He
• 期刊：ChinaXiv 预印本
• DOI：ChinaXiv:202605.00224v2
• 发表年份：2026
• 论文来源：view (1).pdf

综合评定：🟡 存疑

详细发现

⚠️ 发现 1：声称的实测数据缺少测量误差信息

• 位置：Table 1 / Table 2 / 正文第 4 节
• 描述：论文中部分被明确称为"实测结果"（practical measurements）的对比数据仅给出单点绝对值，未提供任何形式的误差区间（SD/SEM/置信区间）或样本量信息。提示存在数据呈现规范不足的可能，但考虑到本文定位为 perspective（展望/观点）类文章而非原始实证研究论文，严重程度有限。
• 证据：Table 1 中归一化对比数据（如功耗 1 vs 0.59，面积 1 vs 0.625，功率密度 1 vs 0.944）和 Table 2 中的频率值（如 2.75 GHz vs 3.1 GHz）均无误差区间。正文第 4 节中"practical measurements at this iso-performance target reveal a 41% reduction in power consumption"（原文第 4 节）声称是实际测量值，但同样未附测量误差。（注：机器核验标记原报告中引用的 -55% 未在原文找到，经复核确认为符号写法差异——原文写为"reduced the data-path footprint by 55%"而非"-55%"，数字 55% 确实存在于原文中。）
• 严重程度：🟡
• 复核状态：⚠️ 存在良性解释（本文自定位为 perspective 类展望文章，Table 2 中 2028/2029 产品已明确标注为"Pre-silicon"预测值；展望文章展示代表性指标而非完整统计分析在工程领域较为常见，但声称的实测数据仍应补充误差信息）

⚠️ 发现 2：批量图表触发图像复制粘贴与噪声异常预警

• 位置：Figure 1 ~ Figure 6（对应机器视觉分析的 img-000 至 img-008）
• 描述：程序化图像取证检测到多张图片存在 copy-move（局部复制粘贴）和噪声方差不一致（机器取证 I1–I34）。提示存在图像处理异常的可能，亦可能由论文图片的特殊性质所致，需结合原始图片进一步确认。
• 证据：机器取证记录中，多张图片触发了 copy-move 算法（如 I4 偏移(88,0)处 33 对匹配块、I8 偏移(56,40)处 10 对匹配块、I10–I18 等），以及噪声方差 CV 偏高（I1–I22）和 PRNU 同源（I23 NCC=0.445, PCE=77.2；I26 NCC=0.606, PCE=82.3 等）。论文图片视觉分析摘要亦指出 Figure 3(b) SEM 图层间对比度突变需注意。但本文为半导体理论文章，图中大量使用电路逻辑框图（如 Figure 2 中 FF0–FF3 标准单元阵列）、SEM 截面渲染图和趋势预测曲线（Figure 4），框图中的规则阵列和统一导出管线天然会触发上述算法预警。
• 严重程度：🟡
• 复核状态：⚠️ 存在良性解释（电路框图中的规则重复阵列元素天然触发 copy-move 算法匹配；渲染艺术图与实测电镜图拼接导致噪声方差不均；同一论文统一管线批量导出导致 PRNU 同源——均为常见良性解释，需原始高清图片进一步确认）

耿同学辣评

这篇文章的"学术不端"成分其实很低——它压根就不是一篇传统意义上的实证研究论文，而是一篇企业高管操刀的行业展望（perspective）文章。作者 Tingbo He 是华为半导体业务负责人，文中大量内容是华为自身产品路线图的公开化呈现。拿"没有误差棒"去打假一篇展望文章，就好比批评一份企业年报没附 p 值——技术上没错，但有点跑偏。不过话说回来，既然作者在正文中白纸黑字写了"practical measurements reveal..."，那这声称为实测的数据就该有实测的样子，哪怕补个测试条件说明也比裸数字强。至于图像取证的 copy-move 预警嘛，拿 Fridrich 算法去扫电路框图里的标准单元阵列，不报警才奇怪呢。总体来说，这是一篇"工程广告学术化"的典型之作，数据呈现规范有改善空间，但构不成学术造假。

建议后续行动

• 联系作者建议补充实测数据的测量条件与误差信息
• 如需进一步核实图像，可向作者索取原始高清图片
• 在 PubPeer 上提出质疑（当前证据不足以支撑公开质疑）
• 向期刊编辑部举报（perspective 文章无此必要）

⚠️ 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。