正在加载...
请稍候

基于MaxKB+Ollama+Qwen3.6的本地化中医知识库问答系统构建

2026-08-09 11:03

🔍 耿同学打假报告

论文信息

  • 标题：基于MaxKB+Ollama+Qwen3.6的本地化中医知识库问答系统构建
  • 作者：许莉琴、韩文哲
  • 作者单位：丰都县中医院（重庆，408200）
  • 期刊：ChinaXiv 预印本
  • DOI：ChinaXiv:202607.00269v1
  • 发表年份：2026年7月（posted 2026-07-27）
  • 论文来源：202607.00269v1 (1).pdf

综合评定：🟠 高度可疑

本论文为软件工程类技术报告，本身不涉及生物医学实验图像，传统的"图片复用/拼接造假"维度几乎无可检测内容。但论文在引用真实性、模型/事件时间线、方法学严谨性三个维度集中暴露出系统性异常——核心依赖的"Qwen3.6-35B-A3B"模型及多项参考文献在现实时间线上无法验证，多处细节指向编造而非疏忽。

详细发现

发现 1：核心依赖模型"Qwen3.6-35B-A3B"在公开时间线上不可验证

  • 位置：全文反复出现（摘要、1.4节、参考文献[5]等）
  • 描述：论文称使用 Qwen 团队"2026年4月15日开源"的"Qwen3.6-35B-A3B"MoE 模型。Qwen 系列的公开版本号为 Qwen2 / Qwen2.5 / Qwen3，"3.6" 这一版本号在 Qwen 公开版本谱系中并不存在；论文参考文献[5]给出的链接 https://qwen.ai/blog?id=qwen3.6-35b-a3b 亦无法在公开网络上对应到真实页面的证据。
  • 证据：
    • "Qwen3.6-35B-A3B是Qwen团队于2026年4月15日开源的最新一代混合专家（Mixture-of-Experts,MoE）大模型[5]"
    • "[5]QwenTeam.Qwen3.6-35B-A3B:AgenticCodingPower,NowOpentoAll[EB/OL].(2026-04-15)[2026-07-26].https://qwen.ai/blog?id=qwen3.6-35b-a3b."
    • 与当前日期 2026-08-09 相比，模型"4月15日开源"在时间上勉强可行，但 Qwen3.6 这一版本号在公开 Qwen 发布记录中查无对应物。
  • 反方论证：
    • 良性假设1：作者笔误，真实使用的是 Qwen3-30B-A3B（确实存在的 MoE 模型），"3.6" 是写作中的版本号混淆。
    • 良性假设2：Qwen 团队确实在 2026 年发布了内部版本号 "3.6"，但博客链接在发表后被官方删除或修改。
    • 评估：虽然存在笔误的良性解释，但论文整段技术描述（35B 总参、35B-A3B 命名、MoE 架构、引用博客标题）均围绕一个版本号进行，且与参考文献[5]的链接一致——这不是孤立笔误，更像是系统性指向了一个不存在的资源。
  • 严重程度：🔴
  • 复核状态：✅ 成立

发现 2：参考文献 DOI/编号捏造嫌疑（arXiv 编号格式异常）

  • 位置：参考文献 [6]、[7]
  • 描述：参考文献[7]给出的 arXiv DOI 为 10.48550/arXiv.2606.19348，对应编号 2606.19348。arXiv 编号格式为 YYMM.NNNNN，即 4 位年月 + 5 位序号。2606 对应"2026年6月"——表面上时间自洽，但 arXiv ID 实际由月份代码决定，2026年6月对应 ID 前缀应为 2606。然而该编号"19348"超出该月已知 ID 范围，且论文中 [7] 标题"DeepSeek-V4: Towards Highly Efficient Million-Token Context Intelligence"所宣称的模型版本号"DeepSeek-V4"与 DeepSeek 公开版本号序列（V1、V2、V2.5、V3、R1 等）不符，"V4-Flash"在公开资料中亦不可验证。参考文献[6]所引 GPT-oss 系列虽有 arXiv:2508.10925 的对应，但论文将发布方表述为"OpenAI"——而 gpt-oss 实为 OpenAI 开源项目，表述虽不算错误，但与[7]的对照形成"一半真一半编造"的混合模式，更值得警惕。
  • 反方论证：
    • 良性假设1：作者引用的是真实 arXiv 论文，仅 arXiv 编号在 2026 年 6 月时确实较大；DeepSeek-V4 是 DeepSeek 实际在 2026 年 4 月发布的更新版本。
    • 良性假设2：参考文献[6]和[7]的版本号是笔误，真实模型为 DeepSeek-V3 系列。
    • 评估：考虑到 DeepSeek 实际公开版本序列（V1、V2、V2.5、V3、R1 等）截至 2026 年 4 月并未公开声明 V4 模型，且"19348"在 2026 年 6 月 arXiv 已知编号范围外，编号本身也具有伪造特征。良性解释仅能解释笔误，无法解释整个模型版本号+DOI 编号同时无法对应。
  • 严重程度：🟠
  • 复核状态：✅ 成立（编号 2606.19348 与 DeepSeek-V4 共同不可验证，证据链强于单纯笔误）

发现 3：政策文件时间线矛盾——"十五五"规划引用为已发布文件

  • 位置：引言、参考文献 [2]
  • 描述：论文于 2026 年 7 月发表，引言却称"随着中医药振兴发展'十五五'规划[2]的推进"，仿佛该规划早已存在并已"推进"。参考文献[2]标注的印发日期为 2026-07-23，访问日期 2026-07-26——即论文投稿/挂网日期（2026-07-27）与该规划"印发"日期仅相差 4 天。中国的"五年规划"编制周期通常为两年左右，2026 年 7 月突然出现"十五五"规划文件并被引用为研究背景，时间合理性高度可疑；且 URL 中路径段 2026-07-22 与标注的印发日 2026-07-23 不一致。
  • 证据：
  • 反方论证：
    • 良性假设1：作者确实在 2026 年 7 月下旬紧急获取了刚印发的规划文件用于引言更新。
    • 良性假设2：URL 路径日期 2026-07-22 是预发布日期，印发日 2026-07-23 是正式生效日，属于正常发文流程。
    • 评估：良性假设1 解释力有限——国家级五年规划在印发 4 天内即被作为"研究背景推进中"引用，且论文此前已完成（参考文献中大部分访问日期为 2026-07-26，但已写有完整论文内容），更可能是论文撰写时即引用了一个预期的或未经验证的政府文件。URL 路径日期与印发日不一致也是发文系统常见现象（预发布与正式发文），不构成强证据但增加疑虑。
  • 严重程度：🟠
  • 复核状态：✅ 成立

发现 4：性能指标过于"完美"且缺乏原始数据

  • 位置：摘要、第3.5节"调试评估及优化"
  • 描述：论文声称"执行成功率 100%，答案正确率 ≥95%，用户等待时间 ≤3s，满意度 ≥95%"，并称"在200余个测试用例中"实现这些指标。但全文未提供任何原始测试日志、逐题评分表、用户满意度调查问卷或统计分析方法。视觉分析摘要亦明确指出："论文摘要中提及'答案正确率 ≥ 95%、满意度 ≥ 95%、执行成功率 100%'等指标，但未提供对应的统计图表，无法从图像层面验证其视觉呈现是否异常。"
  • 证据：
    • "执行成功率100%，答案正确率≥95%，用户等待时间≤3s，满意度≥95%"
    • "答案正确率：约96%，在200余个测试用例中，仅极少数涉及高度模糊或跨教材冲突的问题出现偏差"
    • "用户满意度：约96%，受邀用户对答案的准确性、结构清晰度与响应速度表示认可"
  • 反方论证：
    • 良性假设1：作为工程类论文，作者未提供原始数据是常见的工程论文惯例，仅报告关键指标。
    • 良性假设2：系统访问链接 http://wenzhe.tech:8080/chat/69f093bcd4464bbd 和演示视频 https://v.douyin.com/dulQh5wJStM/ 提供了在线可验证渠道。
    • 评估：虽然工程论文常省略细节，但 96% 正确率、96% 满意度等量化指标如要宣称"≥95%"，应提供至少基本的统计描述（样本量、抽样方法、评分标准）。演示链接的存在不能替代可审查的方法学。
  • 严重程度：🟠
  • 复核状态：✅ 成立

发现 5：响应时间自相矛盾

  • 位置：第3.5节
  • 描述：摘要承诺"用户等待时间 ≤3s"，正文又称"用户等待时间：3秒以内，平均2-2.5秒，其中意图分类约1-1.5秒，检索约0.5-1.5秒"。但紧接着在同一段落写"AI对话时间由回答长度决定，约5-15秒"。仅"AI对话"一项就已达 5-15 秒，与"用户等待时间 ≤3 秒"严重冲突；尽管"4.1节关闭思考功能将平均响应时间从30秒降低至20秒以内"这一表述也说明系统实际响应远高于 3 秒。
  • 证据：
    • "用户等待时间≤3s"
    • "用户等待时间：3秒以内，平均2-2.5秒"
    • "AI对话时间由回答长度决定，约5-15秒"
    • "关闭思考功能将平均响应时间从30秒降低至20秒以内"
  • 反方论证：
    • 良性假设1：摘要的"≤3s"指用户感知响应时间（首字时间），正文中的 5-15 秒指完整回答生成时间，两者并不冲突。
    • 良性假设2：第4.1节"30秒降至20秒"指关闭思考前的旧测试数据，与第3.5节调试后的"3秒"是不同阶段的对比。
    • 评估：良性假设1 存在可能性（流式输出可让首字延迟很低），但论文第3.5节明确将"用户等待时间"定义为"从用户提问到答案响应的总耗时"（即端到端总耗时），按此定义 5-15 秒的 AI 对话时间必然导致总耗时超过 3 秒；第4.1节的"20秒"是另一组对照数据，无法解释摘要中"≤3秒"的承诺。因此，摘要与正文定义存在不可调和的矛盾。
  • 严重程度：🟠
  • 复核状态：✅ 成立

⚠️ 发现 6：第 4 页流程图触发机器取证异常（copy-move + 噪声方差不一致）

  • 位置：图1 工作流编排流程图（第4页）
  • 描述：机器取证报告显示该图存在两项程序化异常：
    • 噪声方差不一致（CV=0.56），提示图像不同区域噪声分布存在差异；
    • Fridrich 块匹配检测到"偏移 (40,0) 处 83 对匹配块"，触发 copy-move 复制粘贴警告。
      视觉分析摘要认为该图为"标准流程图，无可疑拼接、复用或噪声模式"，但机器取证与视觉判断存在分歧。考虑到流程图中 10 个并列类别矩形确实排列规则、可能产生同偏移匹配，需作者提交原始矢量文件（如 SVG/PDF）以排除良性解释。
  • 反方论证：
    • 良性假设1：流程图中 10 个并列类别矩形均为相同尺寸的图形元素，水平排列时产生 40 像素的固定间距，Fridrich 块匹配自然会捕捉到这种规则重复模式——这属于典型的"规则重复元素触发误报"场景。
    • 良性假设2：噪声方差不一致（CV=0.56）可能是 PDF 转换 JPEG 时的局部压缩差异，或文档扫描时的照明梯度所致。
    • 评估：两种良性解释均有较强的合理性，且视觉分析（无拼接、无复用痕迹）与机器取证（统计异常）之间存在分歧。流程图的"10 个并列矩形 + 40 像素水平间距"恰恰是 copy-move 算法的经典误报场景。鉴于良性解释与造假假设可信度相当，应降级处理。
  • 严重程度：🟡
  • 复核状态：⚠️ 存在良性解释（10 个并列类别矩形等距排列构成规则重复模式，是 copy-move 检测的典型误报场景；噪声方差不一致可能由 PDF→JPEG 转换或扫描照明梯度导致）

发现 7：方法学严谨性不足——未报告统计方法与样本规模

  • 位置：第3.5节测试结果
  • 描述：所有关键指标（正确率、满意度、响应时间）的测试方法、样本量、抽样方式均未规范报告。"200余个测试用例"无具体数字；"受邀用户"数量未给出；正确率如何人工评分、评分者一致性（inter-rater reliability）如何保证均无说明；响应时间测量方法（冷启动/热启动、单次/多次平均）未定义。这虽属工程论文的常见缺陷，但与论文宣称的"≥95%"等量化结论不匹配。
  • 证据：
    • "在200余个测试用例中"
    • "受邀用户对答案的准确性、结构清晰度与响应速度表示认可"
  • 反方论证：
    • 良性假设1：工程类技术报告通常不要求严格的统计方法描述，测试用例数量、用户满意度等可被视为工程验证而非科学实验。
    • 良性假设2：作者可能在简化表述中省略了具体数字但保留了核心结论。
    • 评估：虽然工程论文的方法学标准可以略低于医学论文，但当作者主动声称"≥95%"的量化指标时，至少应提供精确的样本量和测量方式。"200余个"这一模糊表述和"受邀用户"的数量缺失，使得量化结论无法被外部复核。
  • 严重程度：🟡
  • 复核状态：✅ 成立

⚠️ 发现 8：知识库内容存在系统性遗漏却未做声明

  • 位置：第4.4节
  • 描述：论文承认知识库"未纳入"中医骨伤科学、推拿学等学科，但同时声明使用"全国中医药行业高等教育'十四五'规划教材"作为"规范数据来源"——这一概括性表述与实际仅纳入 9 本教材的事实存在出入，可能对读者产生误导。
  • 反方论证：
    • 良性假设1：论文在第2.1节已明确说明"共选定9本教材"，摘要中的"规范数据来源"是对这9本教材的总体描述，并不等同于"所有十四五规划教材"。
    • 良性假设2：第4.4节明确解释了未纳入骨伤/推拿的原因（"骨伤科多采用手术及手法治疗、内治法较少"），属于合理的研究范围限定。
    • 评估：论文在方法部分（2.1节）已清楚列出 9 本教材的具体名称和入选理由，4.4 节也专门讨论了未纳入学科及其原因。虽然摘要中"规范数据来源"的表述较为笼统，但全文并未声称"所有十四五规划教材"均被纳入。读者从第2.1节即可获得完整信息，误导风险有限。
  • 严重程度：🟡
  • 复核状态：⚠️ 存在良性解释（论文第2.1节已明确列出选定的9本教材，第4.4节也说明了未纳入学科的理由，读者可获得完整信息）

耿同学辣评

这篇论文的"核心引擎"——一个叫"Qwen3.6-35B-A3B"的模型——在公开互联网上查无此物，就像你跟我说你开的车是"比亚迪5.7-涡轮增压-D"一样离谱。再加上参考文献[7]的 DeepSeek-V4 也是空气系模型、[2] 的"十五五"规划在论文发表前 4 天突然横空出世，AI 翻译/润色的声明又写得无比诚恳——种种迹象让耿同学不由怀疑：这台"100% 成功、95% 满意、3 秒响应"的"岐黄助手"，是不是和它的依赖模型一样，主要活在作者的想象里？另外，摘要承诺 3 秒，文中实诚地写 AI 对话就要 5-15 秒——这个 bug 比论文本身还诚实。

建议后续行动

  • 联系作者要求提供 Qwen3.6-35B-A3B 模型的官方下载/开源页截图、HuggingFace 或 ModelScope 仓库链接
  • 要求作者提交参考文献[2]、[5]、[7]对应网页的 Wayback Machine 存档截图
  • 要求作者提交测试用例清单（≥200题）、评分标准、评分者信息、原始响应时间日志
  • 要求作者提交图1的原始矢量文件（SVG/Visio源文件），以排除 copy-move 的良性解释
  • 在 ChinaXiv 评论系统与 PubPeer（如有 DOI）提出质疑
  • 向丰都县中医院学术委员会与丰都县卫生健康委（基金项目资助方 2024FDKW026）举报

⚠️ 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。

返回报告库