🔍 耿同学打假报告

论文信息

• 标题：Joint Three-Task Optical Performance Monitoring with High Performance and Generalizability Using a Meta-Learning Algorithm in WDM Transmissions
• 作者：Di Zhang, Junyao Shi, Yameng Cao, Yan Ling Xue
• 期刊：2024 4th International Conference on Intelligent Communications and Computing (ICICC)
• DOI：10.1109/ICICC63565.2024.10780686
• 发表年份：2024

综合评定：🟠 高度可疑（复核调整：降级保留的独立异常达 3 处，按规则升至高度可疑；但均为轻微疑点，无任何实锤证据）

详细发现

⚠️ 发现 1：MFI 准确率“完美 100%”跨多场景一致

• 位置：Fig. 4(a)、Fig. 5(a) 及正文
• 描述：单信道场景（Fig. 4(a)）和五信道 WDM 微调场景（Fig. 5(a)）中，MFI 任务在所有四种调制格式下均达到 100% 准确率，图中无任何混淆/错误。论文自述解释为 "due to the distinct feature differences between the various modulation formats"——QPSK/16QAM/32QAM/64QAM 在 28Gbaud 纯仿真信号中确实可分性强，单纯 100% 不罕见；但在引入 ASE 噪声、激光线宽（100 kHz）、非线性以及 WDM 邻道干扰等多种劣化条件下，四种格式（尤其 16/32/64QAM 之间）在全部 OSNR 范围内零错误，且在仅 20 样本/条件的 WDM 微调数据上同样零错误，结果偏理想化，需原始数据进一步核实。
• 证据：正文明确陈述 "both models achieved 100% accuracy for all modulation formats"（单信道）与 "both models can achieve 100% accuracy during fine-tuning"（WDM 场景）；程序化核验 3 个引用数据点全部命中原文。良性解释（纯仿真数据、调制格式特征差异显著）有原文正面陈述支持，故降级保留为疑点。
• 严重程度：🟡
• 复核状态：⚠️ 存在良性解释（原文明确说明 MFI 任务因调制格式特征差异显著而可全对，纯仿真条件下 100% 具有合理性，需原始数据确认）

⚠️ 发现 2：误差曲线过于平滑规律，缺乏随机波动

• 位置：Fig. 4(b)(c)、Fig. 5(b)(c)
• 描述：OSNR 监测与 NLNP 估计误差曲线随调制阶数呈现极度平滑的单调变化，四条曲线（不同模型/不同微调步数）形态高度一致，无离群点或波动，呈现“教科书式”规律。
• 证据：正文引用的具体数值（OSNR 平均误差下降 18.9%、NLNP 下降 18.4%；WDM 场景 OSNR 下降 23.7%、NLNP 下降 24.5%）经程序化核验全部命中原文。良性解释存在：本文为纯仿真研究，数据无测量噪声，且单信道每组采集 40 个样本，误差统计可以较平滑；因此仅记轻微疑点，需原始数据进一步核实。
• 严重程度：🟡
• 复核状态：⚠️ 存在良性解释（纯仿真数据、样本量充足且可能经过平均处理，曲线平滑具有合理性，需原始数据确认）

⚠️ 发现 3：程序化图像取证提示多张性能图存在规则重复结构

• 位置：img-002 至 img-006（对应正文图表图像）
• 描述：机器取证在 5 张图上检出高置信 copy-move 块匹配（如 img-003 偏移 (32,0) 处 108 对、img-005 偏移 (0,32) 处 95 对、img-006 偏移 (64,0) 处 72 对）。但这些图均为多面板柱状图/折线图（Fig. 4 与 Fig. 5 各含 (a)(b)(c) 三个面板，共享坐标轴、边框、刻度和等间距柱体/折线标记），天然会产生同偏移匹配块——该良性解释与原文图注描述相符。且这些图是合成统计图形而非照片类证据（非 Western blot/显微图像），不构成数据篡改结论。本次材料未提供足够的高清图像进行像素级面板比对，仅记录为需人工核对原图面板间数据点是否被复制。
• 证据：Fig. 4 与 Fig. 5 的图注明确说明均为 (a)(b)(c) 三面板统计图，多面板结构支持“规则重复元素导致匹配”的良性解释；检测到的匹配偏移均为规则的小偏移（32/64/96 像素整倍数），与图表边框/坐标轴的周期性结构一致，而非任意偏移的局部内容复制。
• 严重程度：🟡
• 复核状态：⚠️ 存在良性解释（多面板统计图的坐标轴/边框/等间距柱体天然产生同偏移匹配，与原文图注描述相符，需高清原图排除数据点复制）

发现 4：方法描述存在轻微内部矛盾/表述瑕疵

• 位置：Section II.B 与 II.A 交叉核对
• 描述：单信道数据总量为 40×4×16×9 = 23040（40 样本 × 4 格式 × 16 OSNR 点 × 9 NLNP 条件），与文中 OSNR 范围设定一致，数学自洽；WDM 为 20×4×16×6 = 7680 亦自洽。但正文称 "evenly divided into training and testing sets"（各 11520），而 MAML 部分称 support set 5 样本 + query set 15 样本（任务内划分），两处数据划分口径未说明衔接关系，属方法学表述含糊而非造假迹象，不影响核心数据可信度，但建议作者澄清训练/测试是否严格隔离。
• 证据：40×4×16×9 = 23040 与 20×4×16×6 = 7680 两处计算经程序化核验均与原文一致；support set 5 / query set 15 的描述亦见于原文。
• 严重程度：🟡
• 复核状态：informational（数据自洽，属良性写作瑕疵，不构成学术不端证据）

耿同学辣评

这份报告复核下来，之前的疑点一个都“定不了罪”：100% 的 MFI 有原文“格式特征差异明显”背书，平滑曲线是纯仿真数据的常态，copy-move 报警撞上的是柱状图自己的“坐标轴花纹”。但是——疑点降级不等于清白，三项独立疑点叠加起来让这篇仿真论文的“完美”显得格外整齐。仿真论文想自证清白很简单：原始数据、代码、训练/测试划分脚本，甩出来比什么报告都管用。

建议后续行动

• 联系作者要求提供原始数据与代码（尤其是 MFI 逐样本预测结果、训练/测试划分脚本、误差曲线原始散点）
• 核对 Fig. 4/Fig. 5 高清原图，排除面板间数据点复制（低优先级，现有取证与图表结构一致）
• 在 PubPeer 上提出质疑（可选，鉴于疑点均较轻微）
• 向期刊编辑部举报（暂不必要）
• 向作者所在机构学术委员会举报（暂无必要）

⚠️ 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。

---

🧮 证据合成（自动生成）

• 综合后验概率：91.5%（先验 5%）
• 95% 可信区间：[59.9%, 98.5%]
• 贝叶斯因子：BF = 205.37（决定性（decisive））
• 综合评级：🔴 高度疑似
• 复核已排除线索：16 条（良性解释成立 / 检验前提不满足 / 说明性条目，未计入合成）

贡献最高的证据：

1. [T1] AI 生成文本特征（text/ai_generated，logLR=1.97）— 贡献 41.4%
2. [发现3] 多张统计图检出高匹配数 copy-move，但柱状/折线图的坐标轴、边框、等距柱体天然产生同偏移匹配，属可能的良性解释，无法据此定罪，需人工像素级核对。（vision/*，logLR=1.19）— 贡献 21.3%
3. [发现1] 单信道与 WDM 微调两套场景下 MFI 均为零错误 100%，在多噪声劣化条件下过于理想化。（llm/*，logLR=1.08）— 贡献 19.4%
4. [发现2] 误差曲线极度平滑单调、形态高度一致，疑似过度平滑或仅展示理论趋势，需原始数据核实。（llm/*，logLR=1.08）— 贡献 17.9%

免责：本小节由程序化贝叶斯合成自动生成，不构成学术不端判决。先验固定 5%，证据间按条件独立处理（可能高估相关证据的联合强度），LR 版本 geng_lr_v3（Phase 5 基准回归校准：任务级触发率比值+复核处置标签，n=11，向 v2 收缩 k=10）；可信区间与点估计来自同一后验（先验抽样 + LR 噪声的联合蒙特卡洛，区间随证据强度收敛）。请以正文具体发现与原始数据为准。