🔍 耿同学打假报告

论文信息

标题：未提供（sdf.pdf，内容为半自动学习/主动学习语义分割的实验对比与消融研究）
作者：未提供
期刊：未提供
DOI：未提供
发表年份：未提供
论文来源：sdf.pdf

综合评定：🟠 高度可疑

详细发现

发现 1：跨实验组合的整行数据完全重复（BADGE+AdaMix 与 Random+Mean Teacher）

位置：第三张表格（组合实验表），BUSI 数据集列
描述："BADGE + AdaMix" 在 BUSI 上的四个指标与"Random + Mean Teacher"在同一数据集上的四个指标逐字完全相同：
- 67.40±4.33 / 60.37±4.34 / 12.653±1.409 / 41.889±5.974
证据：原文中两行数据逐一核对命中。两种完全不同的查询策略（BADGE）与半监督框架（Mean Teacher + Random）组合，在三次独立重复实验下，Dice、IoU、ASD、HD95 四个指标及其标准差全部一致到小数点后第三/四位，概率上几乎不可能。反方论证：不存在可由原文支持的良性解释（不同方法组合不可能产生完全相同的均值与标准差），复制粘贴填表嫌疑成立。
严重程度：🔴
复核状态：✅ 成立

⚠️ 发现 2：同一单元格内的标准差疑似不自洽

位置：消融表，"Ours full w/o $U^{pred}$ "，WMH 列
描述：Dice 报告为 56.68±0.88，而紧邻的 IoU 报告为 45.57±3.06
证据：数据点 56.68±0.88、45.57±3.06 均在原文命中。Dice 与 IoU 是对同一组预测逐样本计算的强相关指标（IoU≈Dice/(2−Dice)，对 Dice 的导数在该区间接近 1），跨重复实验的波动通常高度同步；Dice 波动 ±0.88 而 IoU 波动 ±3.06（近 3.5 倍）数学上难以自洽。反方论证：良性解释可能为某一单元格在誊写时笔误（如小数点或数字错位），该解释在原文中无正面依据但无法排除，故降级保留，需原始逐次实验结果进一步确认。
严重程度：🟡
复核状态：⚠️ 依据不足

⚠️ 发现 3：末位数字分布与 Benford 检验提示异常（需谨慎解读）

位置：全部三张表格
描述：机器取证显示末位分布不均匀（χ²=23.9, p=0.0045），第 1、4 位数字显著偏离 Benford 分布
证据：本论文数据为受控范围的性能百分比（多集中于 40–70）与小数度量值，Benford 检验在此类数据上的前提并不满足，第 1 位数字的偏离可由数据取值范围集中解释，不能定罪；末位分布检验（χ²=23.9, p=0.0045）在样本量有限、且存在多重比较的情况下也可能偶然显著，原文中亦无支持"数值复制生成"的正面信息。该线索保留为疑点，供追问而非定罪。
严重程度：🟡
复核状态：⚠️ 依据不足

发现 4：图片取证与时间线

位置：全文
描述：文本中未提供 Western blot、显微镜图像等图片，视觉摘要确认三张图均为数据表格且未见拼接/复用；论文未提供作者、发表时间、试剂与设备信息，无法进行时间线与方法学溯源检测。
证据：与视觉分析摘要一致，三页均为数据表格，无图像层面诚信风险可检。
严重程度：⚪ 无法判断
复核状态：informational（不构成学术不端证据）

说明：原报告"发现 2（BADGE+HESS 与 Ours-query-only+HESS 在 IDRiD 上整行重复）"经逐字核对不成立——原文中 BADGE+HESS 与 Ours-query-only+HESS 在 IDRiD 上的四项指标并不相同（64.06±1.75/52.40±1.77/7.524±0.368/41.524±1.173 vs 64.07±1.87/52.32±1.88/7.492±0.367/42.047±0.909），程序化核验亦确认 2 个引用数据点均未在原文找到，故按规则删除该条。

机器取证证据复核说明

S1（Benford 联合检验）：论文数据为受控范围性能指标（40–70 区间为主），Benford 检验第 1/4 位前提不满足，偏离可由取值范围集中解释 → cleared。
S2（末位分布）：χ²=23.9 在有限样本与舍入效应下可能偶然显著，无复制生成证据 → 检验线索存疑，不作为定罪证据（对应发现 3 保留为 ⚠️ 依据不足）。
S3（Savage-Dickey BF）：n=492 组 SD 的 CV=0.835 本身即为跨方法/数据集的合理异质性，"SD 不可能完全相同"的检验构造对本数据无意义 → cleared。
S4/S5（列间差值）：仅提示性输出，无具体异常证据指向 → cleared。

耿同学辣评

两张表里，BADGE 换上 Mean Teacher 的搭档，在 BUSI 上考出了和 Random 组合一模一样的四个分数——连标准差都精确到最后一位。这不是方法默契，这是 Ctrl+V 的默契。一处实锤级重复行已足够让编辑部请您喝茶解释原始训练日志了。

建议后续行动

联系作者要求提供 BUSI 数据集上 BADGE+AdaMix 与 Random+Mean Teacher 两组实验的原始训练日志与三次独立重复的逐次结果
在 PubPeer 上提出质疑（附上重复行对照）
向期刊编辑部举报
向作者所在机构学术委员会举报（如重复问题无法用笔误解释）

⚠️ 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：71.4%（先验 5%）
95% 可信区间：[31%, 91.8%]
贝叶斯因子：BF = 47.54（非常强（very strong））
综合评级：🟠 存在疑点
复核已排除线索：6 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：

[发现1] 两种完全不同的方法组合在 BUSI 上四个指标及标准差逐字完全相同，强烈提示复制粘贴。（llm/*，logLR=1.59）— 贡献 43.4%
[发现4] 末位分布显著偏离均匀（χ²=23.9, p=0.0045）；Benford 检验在受控范围性能数据上前提不完全满足，仅作线索不作定罪依据。（vision/*，logLR=1.19）— 贡献 29.8%
[发现3] 强相关的 Dice 与 IoU 指标跨重复波动幅度相差近 3.5 倍，数值难以自洽。（llm/*，logLR=1.08）— 贡献 26.8%

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。

未提供（sdf.pdf，内容为半自动学习/主动学习语义分割的实验对比与消融研究）