如何看待 ICCV21 接收的某港科大学生为一作的论文被指抄袭 ICML21 发表的论文?
事件本身及可能情况分析：
1. 指控的性质： 指控的核心是抄袭（plagiarism），这在学术界是最严重的学术不端行为之一。抄袭可以表现为直接复制粘贴文本、盗用他人的思想或算法但未注明出处、甚至是对研究方法和实验设计的过度模仿。
2. 两篇论文的时间差： ICML21 和 ICCV21 是顶级会议，通常有半年到一年的审稿周期。如果ICML21的论文在ICCV21的论文提交之前或同时发表，那么抄袭的可能性和性质会更加明确。如果ICML21的论文是在ICCV21论文提交之后才发表，则情况会复杂一些，可能涉及“提前发表”（preprint）或者作者在提交ICCV21论文时，其工作可能已在某些地方（如技术报告、内部演示）公开。
3. 抄袭的具体表现： 抄袭的指控可以有很多层面：
代码抄袭： 直接或稍作修改地使用了对方的代码实现。
思想/方法抄袭： 盗用了对方的核心思想、算法框架、创新性方法，但用自己的语言重新表述。
实验设计/数据抄袭： 直接使用了对方的实验设置、数据集、评估指标，甚至报告了与对方论文相似的实验结果，但未给出合理解释或引用。
论文结构/表述抄袭： 模仿了对方论文的结构、图表布局、甚至是相似的措辞，但核心内容可能有所不同。
4. 港科大论文的作者构成： “某港科大学生为一作”意味着该学生是该研究的主要贡献者和论文的撰写人。但通常研究团队还会有其他成员，包括导师、共同作者等。责任的划分需要考虑整个团队的参与程度和监督责任。
不同利益相关方的视角和考量：
1. 指控方（被抄袭论文的作者/团队）：
感受： 他们的辛勤工作被盗用，这是对他们研究成果和知识产权的侵犯。
目标： 维护自己的学术权益，要求撤销抄袭论文，并对抄袭者进行相应的学术制裁。他们可能会采取联系会议主席、学术道德委员会、学校等途径。
2. 被告方（港科大论文的作者/团队）：
回应： 他们需要对指控做出回应，可能是辩解、承认错误并道歉、提供证据说明不存在抄袭（例如，独立完成，或者对方的工作是基于更早的公开技术）。
影响： 一旦被证实抄袭，不仅对该学生本人是毁灭性的打击（论文撤销、学位受影响、学术声誉尽毁），对导师和共同作者也会造成负面影响。
3. 评审方（ICCV21的评审委员会和编辑）：
责任： 他们需要调查这些指控的真实性。如果指控属实，他们需要采取相应措施，如撤销该论文的接收，甚至在未来几年内禁止该作者投稿。
评审机制的反思： 这类事件也暴露了现有评审机制的局限性。虽然同行评审是保障论文质量的重要环节，但评审者不可能对所有已发表或已提交的研究都了如指掌，尤其是相似的研究思路可能在不同地方独立产生。
4. 港科大（学术机构）：
责任： 作为教育和科研机构，港科大有责任维护学术诚信。一旦指控成立，他们需要根据学校的学术不端处理条例对涉事学生进行调查和处理。这可能包括警告、留校察看、甚至开除学籍等。
声誉： 这样的事件会损害学校的学术声誉，因此学校通常会对此类事件高度重视，并采取严厉措施。
5. 学术界整体：
信任危机： 抄袭事件会侵蚀学术界的信任基础，让公众和研究人员对科研成果的原创性产生怀疑。
对研究的影响： 鼓励原创、打击抄袭是科研健康发展的基石。此类事件会促使大家反思如何更好地保护原创，如何更有效地发现和制止学术不端。
如何看待和处理此类事件：
1. 进行彻查： 首先，必须对指控进行客观、公正、深入的调查。这通常需要由独立的第三方机构（如大学的学术道德委员会）或会议主办方来执行。调查过程中要听取双方的陈述，并仔细比对论文内容、代码、实验细节等。
2. 坚持学术诚信原则： 无论结果如何，都必须坚守学术诚信是底线这一原则。如果抄袭行为被证实，则必须按照学术界的规则给予严厉的处罚。
3. 透明的调查和处理过程： 调查和处理过程应尽可能透明，以维护公正性。但也要注意保护隐私，避免不必要的谣言传播和人身攻击。
4. 反思评审机制： 这类事件也应促使顶级会议和期刊反思其评审流程。例如，加强对已有工作的检索能力，鼓励评审者在审稿时关注研究的“新颖性”和“贡献度”，以及是否与现有工作有重叠。一些会议可能会考虑引入AI工具来辅助检测抄袭。
5. 加强学术道德教育： 高校和科研机构应加强对学生和研究人员的学术道德教育，强调原创性、引用规范的重要性，并让大家了解学术不端行为的严重后果。
6. 保护创新和原创： 在打击抄袭的同时，也要避免过度打压相似的创新思路。在科学研究中，有时不同的研究团队可能会在相似的方向上取得进展，只要过程是独立完成且引用得当，就不算抄袭。关键在于是否“窃取”了他人未经公开的思想或劳动成果。
具体到“某港科大学生为一作”的案例，需要关注以下细节：
指控的具体内容是什么？ 是代码、算法、实验还是文字？
指控的证据有多充分？ 是指控方的初步判断还是有详细的比对？
港科大的内部调查进展如何？
ICCV21会议主办方对此事的态度和处理措施是什么？
总而言之，看待这类事件，我们既要警惕学术不端行为对科研生态的破坏，也要确保调查过程的公正性和严谨性。任何指控都不能成为随意污蔑的工具，但一旦证实，则必须承担应有的责任。这对于维护整个学术界的健康发展至关重要。
网友意见
不是吧？港科大准博士生发表的顶会论文竟然是抄的？而且抄袭对象还是另一篇顶会论文？近日，眼尖的网友发现两篇分别发表在ICML 2021和ICCV 2021两大顶会的论文有着惊人的相似之处！
ICML 2021上发表的论文
ICCV 2021上发表的论文Reddit上有网友跑去了「抄袭者」的网站上看了作者的资料，发现这位作者已经发表过12篇顶会论文，而且还是准博士生，不禁怀疑是不是一直都有这样的操作……
有人模仿我的脸，有人模仿我的……论文？
推特上一位眼尖的网友发现了两篇顶会论文几乎如出一辙，网友非常细心地对比了两篇论文。首先是论文的公开时间。「正主」ICML论文题为Momentum residual neural networks，作者是Michael Sander, Pierre Ablin, Mathieu Blondel and Gabriel Peyré。今年2月15日首次上传至Arxiv，7月17日开源代码，7月22日发布论文最新版。
论文地址：https://arxiv.org/abs/2102.07870开源代码：https://github.com/michaelsdr/momentumnet/「山寨」ICCV论文题为m-RevNet: Deep Reversible Neural Networks with Momentum，作者是Duo Li（李铎）和Shang-Hua Gao（高尚华）。今年8月12日上传至Arxiv，而ICCV 2021论文收录的截止时间为3月17日。
论文地址：https://arxiv.org/abs/2108.05862（文章现已被删除）抄袭还是一项十分严重的指控，我们先来仔细对比一下两篇论文。雷同一：提出想法相同两篇文章都提出了替换残差网络的前向方程方法，也同样讨论了这种方法的好处：由于ODE机制中的动量，可逆性和更大的表征容量减少了内存负载。其中，利用
：
和
的动量方程取代残差网络的前向方程
。雷同二：图表相似
左图为ICML论文，右图为ICCV论文雷同三：表格相似表格中有3列内容是相似的：closed form inversion = analytical reversal,same parameters = architecture preservationunconstrained training = end-to-en optimization.而ICCV论文中只是添加了ResNet基线。
ICML论文
ICCV论文雷同四：完全相同的初始数据集，四个嵌套环两篇论文都引用了一篇前人的研究（https://arxiv.org/abs/1904.01681） ，在这篇引文中，作者使用了2个嵌套环。以前从来没有人用过四个嵌套环作为说明。
ICML论文
ICCV论文
雷同五：主要贡献的公式相似ICCV只是把ICML中的临界参数「gamma」换成了「1-mu」。
左图为ICML论文，右图为ICCV论文雷同六：文内引用相同
左图为ICML论文，右图为ICCV论文
两篇文章同样以Maclaurin等人的算法作为关键的应用。
左图为ICML论文，右图为ICCV论文雷同七：命题和证明相同只不过符号略有变化，ICCV将时间导数表示为
，而ICML中为
。
左图为ICML论文，右图为ICCV论文
雷同八：论文贡献列表相似两篇论文的贡献列表都是大同小异，但很明显能够感觉到ICCV论文是「洗稿」的。
左图为ICML论文，右图为ICCV论文雷同九：微积分方程完全相同ICCV中的例1基本上就是修改了一下符号，微积分方程本质上完全相同。另外，两篇文章解决方案中的顺序也完全相同。
左图为ICML论文，右图为ICCV论文
左图为ICML论文，右图为ICCV论文雷同十：同样是得到两个嵌套环的启发
左图为ICML论文，右图为ICCV论文
这两篇论文说一样吧，又不是完全一样；要说是偶然，这得多巧合才能「偶然」出十个雷同点。
瞬间成为热点
论文抄袭事件在Reddit上已经有330个赞，而知乎上的相关话题也已经有100多万次浏览。
兹事体大，不仅ICCV作者撤回了Arxiv上的论文，他的导师也在知乎上发文致歉，表示自己有「不可推卸的督导不严的责任」。
此外，ICCV论文二作高尚华同样也在知乎上澄清，对涉事文章与ICML论文极高相似度「感到震惊和诧异」。二作作为涉事论文的改稿人，第一时间要求一作提供相关工作证据，但一作却声称数据已损坏。面对这么可疑的解释，二作决定向ICCV反映相关情况，并要求撤稿。
二作在知乎上的澄清与道歉
二作向ICCV大会发送要求撤稿的邮件
深扒论文作者——李铎
凡事都讲证据，面对「抄袭」这一指控，网友们也是非常小心谨慎，避免误伤。李铎现就读于香港科技大学计算机科学与工程系，硕士二年级，2019年获得清华大学自动化系工学学士学位。
可以看出，李铎本人的学历背景还是很优秀的。
个人主页：https://web.archive.org/web/20210816025239/http://duoli.org/
李铎发表论文一览然而没想到的是，这两篇论文的作者学术背景也成为了这个指控的证据。那ICML论文作者又是何方神圣？知乎上有匿名网友深扒了两篇文章的作者学术背景，对比了两人的研究内容。
随后，还有网友补充了被抄袭论文一作的学术背景。
这样一对比，两位作者的水平就高下立判了。
抄袭惯犯？
我们的这位一作在2020年就给CVPR投稿了一篇「照搬」2019年CVPR的文章。CVPR 2019接收论文，作者来自清华大学。
论文地址：https://arxiv.org/abs/1906.00675CVPR 2020接收论文，作者李铎。
论文地址：https://arxiv.org/abs/2003.10739连母校的同学都不放过……「其通篇向人们展示了如何包装出一篇顶会论文！实在是触目惊心，看得我头皮发麻。」
知乎回答：https://www.zhihu.com/question/480075870/answer/2064933570李铎导师同时也在知乎上表明，他们正在深入调查李铎过去发表的论文，后续会根据调查结果严肃处理，并于近日公布相关处理措施。
参考资料：
https:// michaelsdr.github.io/mo mentumnet/plagiarism/
https:// twitter.com/PierreAblin /status/1426899071495819265
https://www. zhihu.com/question/4800 75870
https:// web.archive.org/web/202 10816025239/http://duoli.org/
ICML 2021 Momentum residual neural networks：https://arxiv.org/abs/2102.07870ICCV 2021 m-RevNet: Deep Reversible Neural Networks with Momentum：https://arxiv.org/abs/2108.05862CVPR 2019 Deeply-supervised Knowledge Synergy：https://arxiv.org/abs/1906.00675CVPR 2020 Dynamic Hierarchical Mimicking Towards Consistent Optimization Objectives：https://arxiv.org/abs/2003.10739
一个多月过去了，贵校这调查与处理速度怕不是侧面反映了重视程度？莫非是有太多的论文需要调查？所以需要很多时间？北理工学生9月只是挂个arxiv都已受到处分，贵校学生投中了顶会，石沉大海了，大拇指不由得竖了起来。这大概就是科研小白与学术新星的待遇区别。
更新。Duo Li已承认ICCV2021 m-RevNet抄袭ICML2021 Momentum ResNet，以及CVPR2020 DHM抄袭CVPR2019 DKS。也算是前些日子我的辛苦解读没有白费吧。
更新。Duo Li本人在本回答下的回复：
「论文B在发表于CVPR2020前在ICCV2019有过submission，ICCV2019 deadline为19年3月，review版本放在链接: https://pan.baidu.com/s/1O5ijrNCiA58aEjRBYWNmqA （提取码: wtab），而论文A发布于arXiv的时间为19年6月。」
由于现在摆出的证据已足以证明论文A与论文B高度相似，且有着基本不可能是撞车的雷同。由于Duo Li在19年3月前后在论文A的二作Anbang Yao所在的Intel实习过并有合作，因此其具备获得论文A渠道的可能性，因此这不能证明他投稿ICCV19是有力的反驳证明。
如果真如他所言，那只可能是CVPR19的论文A抄袭了其论文B。
对此若有人士可联系到论文A的作者，可以联系出来表态。
看了这两篇论文，第一感是不可思议，非常震惊，再看了Duo Li那篇受质疑的CVPR 2020，更加劲爆。
经过我数小时的阅读，总结如下：
论文A：Deeply-supervised Knowledge Synergy，Dawei Sun, Anbang Yao, Aojun Zhou, Hao Zhao，CVPR 2019，19年6月公布于arxiv
论文B：Dynamic Hierarchical Mimicking Towards Consistent Optimization Objectives，Duo Li, Qifeng Chen，CVPR 2020，20年3月公布于arxiv
论文B没有引用论文A。
单从论文名上看，论文A是“知识协同的深度监督”，论文B是“面向一致优化目标的动态分层模仿”，乍一看，是两篇论文，但是！论文B是论文A的高级英文解读版！
其通篇向人们展示了如何包装出一篇顶会论文！实在是触目惊心，看得我头皮发麻。
先介绍一下论文A，这篇论文写的非常好，通俗易懂，基本上搞AI的只要了解图像分类就能明白它的原理，门槛不高。
论文A的故事是现有的分类模型，大多采用backbone CNN最后softmax得到概率输出，再与GT计算loss。如下图的(a)所示：
而图(b)呢，则是前人尝试的把中间层也传入一些额外层，再经过softmax，最后同样与GT算CE loss。
图(a)的loss的计算公式表达如下：
图(b)的loss计算公式为：
这里不考虑正则化项，因为与论文idea无关。
于是这样的训练方式，可以帮助浅层更好的学习，不然的话浅层就会因为距离最后一层太远了得不到有效的监督，所以这有助于缓解梯度消失的问题。
那么论文A认为，所有这些中间层包括最后一层，它们之间的信息交互没有利用上，于是提出干脆让它们两两之间互相拟合(类似于知识蒸馏中的让一个概率输出去拟合另一个概率输出嘛)。就有了下图的形式：
各个箭头就表示让被指向的终点去拟合起始点，也是通过CE loss，只不过这里的优化目标不再是0，1，而是浮点数(也叫soft target)。于是呢就有了上图的三种优化方式，从上到下，从下到上，以及双向。于是就添加了一个synergy loss：
我们可以通过调控集合B，想让哪两层之间拟合就让哪两层之间拟合，单向的亦或者双向的。
这就是论文A的DKS (Deeply-supervised Knowledge Synergy)的思想，总体框架如下图所示
当然了，论文A也指出，这些额外层的结构设计对最终性能至关重要，于是对额外层的结构统一设置为residual block
接下来，让我们来看看Duo Li等人的CVPR 2020论文B。
结构上来看，是一模一样的，均为让所有层的概率输出两两互相拟合，唯一的区别是，他将CE loss更改为KL loss。论文A中有一段说明了其DKS与知识蒸馏的不同，DKS是在同一个模型的内部不同层之间互相拟合，而知识蒸馏则是学生-教师之间互相拟合。那么显然在知识蒸馏中使用KL loss拟合概率输出是很常见的，所以论文B巧妙地更改为了KL loss。并且论文B将这样的idea取名为Hierarchical Mimicking (分层模仿)，其中mimick是知识蒸馏里面特征图模仿的常用术语。
其实仔细看两篇论文的Fig 1，也是能明显看到，两篇论文的概率分布长得一模一样，ctrl+c，ctrl+v
暂且容忍这点小细节，我们主要来看他的idea，首先论文B也描述了前人的添加中间层辅助loss的方法
我们再次容忍他更换字母，因为他叙述的毕竟是前人已有的工作。但请注意，以上雷同都只是Sec 3.1，介绍深度学习的框架和前人的添加中间层辅助监督的方法，算不上抄袭。但是Sec 3.2就是提出各自的方法了。
对于论文A提出的DKS，论文B重述为DHM (Dynamic Hierarchical Mimicking) :
显然，我们看到论文B的DHM方法就是论文A的DKS方法，只是把公式复杂化了，显得有对比性，原创性，更加高大上，也更加具有迷惑性。并且额外层的结构设计也是Residual block
论文B相比于论文A的区别在于：
- 替换CE loss为KL loss。
- 中间层以随机的方式丢弃，不参与知识传输。但这只占了一句话。整个DHM占了Sec 3.2几乎所有的篇幅，紧接着就是experiment章节。
接下来看看两文的实验部分。
首先是CIFAR-100的实验，注意下面的DS(左表)和DSL(右表)是一样的，都是Deep-Supervised Learning，
可以看到，就连网络结构的选取也是大面积重合，不同的结构完全有时间训练。
接着是ImageNet，注意论文B称之为 ILSVRC 2012
可以看到，论文B多做了一个ResNet-101的实验。
Ablation study论文B有所选取，选择性地做了
这里论文A用了字母C，论文B用字母B，下标是层序号，对于论文A，1是最深层，4是最浅层。而对于论文B，0是最深层，3是最浅层。
论文A得出的第一个结论：比起只用最深层C1的监督，搭配上任何一个中间层效果都更优，论文B同理。
第二个结论：两篇论文同时得出，搭配两个中间层最优，因此论文A声称“we choose to add C2 and C3 for all experiments on the ImageNet classification dataset.”而论文B声称“Hence we adopt the double-branch model in our main experiments...”也即二者均采取添加两个中间层的做法。
第三个结论：当搭配的中间层过多了，会导致性能下降，论文B同理。见上图两表的最后一行。
接下来，为了探究DKS的方法是否能够改善中间层的分类性能，论文A让中间层直接单独训练分类，相当于去掉了更深层的模型，用上DKS表示将最深层的知识传输到该中间层。
表格说法不同，但做的是同样的探究实验。
更可笑的是下一个实验，为探究自己的方法对Noisy data是否有效，论文A把一定比例的GT label随机替换成错误标签。这在论文B中被称为Corrupt Data。玩文字游戏是吧。
接下来，为了增强论文的理论性，使之看起来更加专业、高大上、具有迷惑性，论文B仿照了论文A的附录1。给出了理论性证明。该命题的核心观点是：本文方法之所以有效，是因为这种层正则化技术，会惩罚两个分支关于他们共享的中间层特征图梯度之间的不一致。这在论文B中被称为“Implicit Penalty on Inconsistent Gradients”，即隐式惩罚梯度的不一致。
从证明的式子可以看到，两种证明方法不约而同使用到了泰勒展开公式，区别在于论文A由于简化为均方误差来讨论的缘故，所以在使用泰勒展开式后得到了 这一项，而论文B维持实际使用的CE loss，所以不存在进一步平方，而维持了 ，并且最终去掉了该扰动的高阶无穷小项，等号转为约等号。
这部分描述被论文B分为两块，一块放于正文，一块放于附录。其中， 在论文A中表示对数据进行扰动，且 。在论文B中，被替换为 .
种种以上迹象，把论文A的章节挪到附录，或者把论文A的附录描述移到正文，不得不说论文B的作者为了产出这篇高质量顶会复刻文，可谓是煞费苦心！工作量巨大！如果一个人来做，给我一个月我是做不下来。所以对本次ICML21的高仿，当然一方面是这次模仿地糙了些，追求速度，所以破绽更容易看。另一方面也是因为有了经验，所以复刻起来更快。
抄袭没有那么简单的，也是项技术活。
首先必须在arxiv上筛选大量属于我领域的且开源的论文，我要判断出其idea的novelty，实验的规范性，图表的美观性，值不值得我抄袭。
接着我找准了猎物，开始了模仿，玩起了语言艺术。图必须重画，必须精美包装，调色彩空间，调scale，调标注。更要新图，将猎物论文的idea用新图阐述一遍。
实验我当然也不能全部模仿，对猎物论文中涉及的实验，我要适当选取，观察其涨点幅度与规律。适当添加一些新实验结果(我也没必要去做)，有着相似的涨点幅度。能复现的论文一切都好说，先复现一两个结果，submit了论文，实验慢慢做，反正最后就算开源也不用与论文结果一样，我可以声称是retraining的结果。也不用怕达不到效果，因为猎物论文给了我们理论和实验支撑，我们只管复现即可。
添加曲线图，即把一些评估指标关于某个参数的散点图曲线化。留有余力则尝试跑其开源代码，获取loss曲线，评估曲线，添加随机因子，缩放坐标区间，调整曲线粗细颜色。
公式重述化，等价化，符号变化，命题适当选取。这里很佩服敢抄袭数学证明的，就我这个有数学背景的人，都觉得一晚上反复理解他们的公式非常辛苦，更别说他们要照猫画虎，哦不，其实应该说照虎画猫(尊重一下被抄袭论文，画猫也是有难度的哈哈)。
查询引文资料，获取相关描述，寻找未出现语句，更改后加入。把related work的相关片段部分重调至introduction以更好地重述一个story。
私以为一个月内搞出一篇高质量复刻文还是非常困难与时间紧迫的，基本上要天天肝，同时应付rebuttal也是一门技术活。
最后我们再来看一下本问主题论文，是有关如何避免ResNet的内存成本随网络深度线性增加的问题，并且其数学工具用到了Neural ODE(神经常微分方程)。并且从猎物论文的附录我们可以看到大量的数学公式推导和理论证明，说明该文数学理论性较强，正如作者所说该工作耗费了他们一年的时间。
从Duo Li的猎物选取来看，他比较倾向于选择自己相关领域的，看上去solid的，刚发布arxiv的论文。通常这样的论文复刻完后因为比较solid，投CV顶会容易中，另一方面有可能自己中了，而猎物论文因为投理论性强的顶会没中，那自己就赚大了。
现在再来看猎物论文作者的背景，一作是小白，尚不清楚背景。二作是法国国家科学中心博士后，具有应用数学硕士的教育背景，目前主要研究神经网络优化特性和理论特性。三作主要研究理论机器学习，最优传输，微分方程等。上述二人发表的论文大多为NIPS，ICML等理论性较强的机器学习顶会。
再来看m-RevNet作者阵容，一作清华自动化本科，港科技计算机研二，二作南开计算机博士，二人研究的方向为计算机视觉，机器学习，网络优化。从其近几年发表的论文来看，多为分割，检测，网络结构更改与优化等相关，发表的论文也集中在CV会议上。由此基本可判断数学背景不高，所做的工作数学理论性不强。当然他要是能保证一边每年发表三篇CV顶会的同时，还一边恶补各种数学理论知识，那真的是神。所以到底工作是谁做的，大家心中自有定数。
我大受震撼，洗稿顶会好像也没比洗稿公众号难多少，贵圈药丸。。。
灵魂问题：他是第一个这么干的，还是第一个被抓住的？
香港科技大学已按程序就事件展开调查。官方声明请看
HKUST attaches great importance to academic integrity
2021年8月16日下午，我收到了关于我硕士生李铎的ICCV 2021论文m-RevNet: Deep Reversible Neural Networks with Momentum（于2021年3月17日投稿）存在学术不端问题的质疑。具体来说，这篇文章与Google发表于ICML 2021年的论文Momentum Residual Neural Networks （网址：https://arxiv.org/abs/2108.05862） 存在多处雷同。这篇论文首次提交到arXiv的日期是2021年2月15日，正式发表于2021年7月份举行的ICML会议上。为了回应公众关切，在此做出一下澄清：
1. 对于李铎相关论文涉嫌严重学术不端，作为导师的我有不可推卸的督导不严的责任。在此，我向大家诚挚地道歉。
2. 由于该论文属于李铎在疫情期间不在香港期间所作的工作，我并没有参与，也没有作为共同作者。下午收到相关信息后，我第一时间联系了该论文以及其他几篇相关论文涉及的第三方，并且跟大家核实记录。在大量的证据面前，大家都不太相信李铎声称的只是巧合的说法。在前期合作中，其他几个相关单位主要是帮助对实验室方案和论文写作提出修改意见。我对于给几个第三方合作者造成的困扰深表遗憾。
3. 我深刻地意识到在指导研究生的过程中存在的不够严谨的情况。作为导师，不光是没有参与的论文不作为共同作者。也应该对学生进行有效的学术诚信培养，对即使是未跟导师合作的论文也符合学术规范。
4. 我们正在深入调查包括其他的论文在内的李铎的工作。在调查之后严肃处理相关问题，于近日公布相关处理措施。
5. 关于CVPR 2020论文Dynamic Hierarchical Mimicking的说明。该论文可以追溯到2019年3月，李铎曾把该存在抄袭的论文投稿至ICCV 2019（我不是ICCV投稿的合作者也并不知情)。2019年9月他入学港科大后想把该论文投到CVPR 2020。当时，我主要给论文提了一些建议，很不幸没有发现CVPR 2019的Deeply-supervised Knowledge Synergy。我一直没有发觉该论文存在抄袭，直到最近在知乎上有人指出这两篇论文。对于我的疏忽与不够严谨，深感抱歉和羞愧！将会向CVPR PC说明情况、要求撤稿。
关于“引战贴”：
不知道因为何种原因，此贴一直在诱导舆论，制造不必要的对立。此帖说我“站在道德制高点上，十多次指责陈启峰老师”。同时有以陈启峰老师方面的口吻指责我“学术不端”，毫无逻辑，今天突然说要以我为网爆的例子，已经删除了对我“学术不端”的指控，但是仍然没有删除引战的误导信息。我保留了部分截图（如下）。我在知乎上的回答为曾删改，不知道该作者何出此言，制造我与陈老师对立又对他有何种意义呢？（@知乎小管家 这种造谣引战等行为，知乎是不是应该管一下）
有其他知乎用户指出，此贴一开始还把其他非学术造假文章夹带进帖子，有意拉更多人下水，作者现在已经删去了。
————————————————————
08/21，昨天号称反对网络暴力的匿名贴，话题突然转向，攻击我“学术不端”，让我猝不及防，希望这个答主可以加强自身知识水平。
————————————————————
08/20，有匿名贴指出有对陈启峰老师网络暴力的情况，可以看出这件事陈老师并不知情，作为教授同时指导很多学生，不可能每一篇文章都参与到代码和实验，陈老师也是受害者，希望他可以尽快走出困境。
不希望此事朝任何网络暴力的方向发展。
————————————————————
08/19，当事人已经道歉
————————————————————
08/17更新一下，老实说这件事能引起这么大的波澜，也不是一两个人的错误引起的，是大家对领域内氛围的长期不满积压出来的结果。一小部分人没有踏实做研究，而是选择“走捷径”，带坏了风气。这件事出来，我第一时间担心的是当事人受打击太大，承受不起，看到共同作者撇清关系之迅速，觉得不舒服。
刚刚看到当事人也发了帖子，看来我可能是多虑了。当事人是清华的学生，借用一下贵校校讯，“自强不息厚德载物”，希望做学术的人可以以此严格要求自己。
————————————————————
反对学术不端，但是不希望这件事发展成为网络暴力。
我不认识当事人和他的共同作者，客观讲，每一个做科研的朋友都希望有一个良好的科研环境，大家可以更好的交流学术成果，共同进步。这次出现“洗稿”的情况，确实涉及严重学术不端，当事人包括共同作者应该受到应有的惩罚，给领域内同行一个交代。
出了事儿之后，多位共同作者第一时间发帖，撇清关系，给人一种推卸责任的感觉。作为共同作者，不仅享有文章带来的荣誉，更应该履行核实文章内容义务。希望这些曾经合作过的朋友，可以帮一作认清错误，走出困境，给大家诚恳道歉。
吃瓜吃了几天，对这件事的评论各位已经说了很多，我这里就不发表什么感言了。
我想从另一个角度讲一下：如果自己的工作不幸与他人撞车，如何证明自己的idea是独立想出来的而不是洗稿？这里提供几种办法：
1、首先是平时就要养成用git维护代码的习惯，可以在github上维护一个private的repository，平时做实验就不断往里提交代码，等最后要开源代码的时候一并放出来，什么时间试了什么东西都是有据可查的，很容易自证清白。
同时不断提交记录本身也是自我审视的一个过程，让我们更容易发现一些程序上的漏洞。
2、其次是注意保存实验代码，在提供checkpoint修改时间作为证据时，最好能同时记录下当时的实验代码。一个比较好的方式是在启动一次训练时，在train函数里直接将核心代码打包复制到checkpoint目录下，这样既方便自己对比不同实验的代码（跑实验多的时候，真的会忘记自己改了什么），也为捍卫自己的名誉留一份证据。
3、最后就是推荐使用overleaf来撰写论文，overleaf是有历史记录功能的，有钱的可以买一个会员，在网页上就可以看到历史记录，没钱的也不用担心，overleaf实际上是用git来维护的，点击sync即可得到一条命令将其clone下来，这样什么时间做了什么修改也是能看到的。
不过overleaf在临近deadline时会卡，所以我一般一开始在overleaf上写作，同时用git同步到github的私有repo里，当overleaf变卡时我可以无缝切换到本地继续写作，写作完成同时上传到overleaf的git和github。
总之，这次抄袭事件为我们敲响了警钟，抄袭的后果是严重的，可能会葬送我们的学术生涯。但也请注意此次事件的另一面，平时多留一个心眼，万一有人向我们泼脏水，我们也能拿出证据来自证清白。
大家好，我是心医霖林，你们也可以叫我金政委/胡主编。看到大家对这次事件关注度很高，包括各种图片/表格/Proposition的高度类似在内的种种证据都表明，一作李铎很有可能抄袭了谷歌大脑团队发表在ICML上的文章。
但我想呼吁大家，不能排除一种可能性，也许是谷歌团队抄袭了李铎同学的文章。
有人可能会问，谷歌团队的文章发表于2月份，怎么可能抄袭李同学3月提交的论文呢，难道他们会穿越时空吗？
没错，我们不能排除一种可能性，那就是美国人已经发明掌握了穿越时空的方法。谷歌团队也许正是用了时间机器，穿越到3月份，窃取了李同学的手稿。
除了生化武器、气象武器，我们还必须警惕敌对国家的时间武器攻击。
警惕拜登借助时间武器抹黑我国的科研人员。
————
我觉得我这么洗，都比 @李铎 的回答有说服力。
因为我的学术不端行为，在此我向大家郑重道歉。我在ICCV2021和CVPR2020两篇论文中存在抄袭行为。对于在此事件中涉及到的论文合作者们表示最诚挚的歉意，他们并不知情。非常悔恨因为一时急功近利铸成大错，也给我的导师以及学校带来了无妄之灾。事已至此，我的内心极度的自责与羞愧，我今后一定会从中吸取教训，严格规范自己的行为。
最后，衷心地感谢在科研道路上以及生活中帮助过我的师长、亲人朋友们，我辜负了你们的期望，对不起！我必将痛定思过，做真诚的自己。
Vladlen Koltun在一次研讨会中说过一句让我记忆犹新的话：“Each paper is a liability”。发越多的paper，这种liability也越多，所以并不是paper发越多越好。
如履薄冰，做老师的真是怕遇到坑师的学生。话说按师徒关系，Koltun还算是这学生的师爷。。 汗
两年十二篇论文，七篇一作，
原来不一定是灌水、挂名，还可以是洗稿。
一起大事故背后可能有几十起起小事故。
一次这么严重的学术丑闻背后也不知道有多少次学术不端。
精准展示了当前国内AI学术圈劣币驱逐良币的风气。
丑闻是当事人的丑闻，但是风气是一群人的风气。
一，以paper数量为KPI的评价体系已经乌烟瘴气。甚至逐渐从灌水进化到抄袭、洗稿了。
即使是灌水出来的，七篇CV的一作顶会仅仅按数量来说，无论在哪个学校都够博士毕业了。
就这还嫌自己发paper不够快。可能抄idea都嫌浪费时间了，不如从方法到实验直接洗稿。
这个丑闻只是洗稿者的丑闻。但这个数paper的风气是催生灌水、抄袭、洗稿的土壤，也功不可没。
Duo Li身处的小环境是不是也是数paper成风，以数量论英雄？——你paper多，所以你是学霸大牛。
二，挂名成风。
这次，导师没有挂名可以说是逃过一劫。
但是很多大组的学生组内、组间胡乱挂名、互相蹭paper的风气，也明显破坏了学术传统。
这次的事件里，co-author没有深度参与论文就贸然挂名，蹭到了论文却也付出上自己的学术声誉。
但这个风气后面更多的是，蹭到了论文，灌到了水，却并没有付出什么代价的。
记得学校硕士和博士入学的第一堂课都是学术伦理，外加一个线上的学术伦理教育测试。
什么是规范引用，什么可以算co-author规定得清清楚楚。
刚读博时老板第一次meeting就和我强调：
1）不用急着发论文，享受自己的生活和假期，享受做学术的过程。
(所以实验室假期特别长，一年寒暑假加起来有四个月时间，没有组会，自由安排。
老板不会主动打扰你，但是你可以随时找老板讨论。)
2）合格的博士需要的是「独立研究」的能力，你不用发表太多论文，只需要两篇代表作证明你独立研究的能力就可以毕业了。
3）不要随便在论文上加名字，论文作者必须对论文有重要贡献。可以把参与一般讨论的同学放在致谢里。
不知道清华和港科到底有没有在一开始就对学生进行学术伦理的教育？
没有学术伦理教育就开始做学术，是很容易走上弯路的。
如果走上弯路的太多了，肯定会破坏整体的学术声誉和学术规范。
再次强调，丑闻是当事人的丑闻，风气是一群人的风气。
类似的话题
-
看待ICCVI21接收的某港科大学生为一作的论文被指抄袭ICML21发表的论文这一事件，需要从多个角度进行详细的分析。这不仅关乎学术诚信，也涉及科研界的声誉、评审机制的有效性以及教育机构的责任。事件本身及可能情况分析：1. 指控的性质： 指控的核心是抄袭（plagiarism），这在学术界是最严重............. -
关于网传“北大文科博士在深圳大学任教经济困难，月薪13千，上网课要求学校发网络补助”的信息，需从多个角度进行分析，结合中国高校薪酬体系、地区差异及政策背景，综合判断其真实性及合理性。 一、信息真实性分析1. 来源可信度 目前尚无权威媒体或深圳大学官方声明证实该传言。网络传言往往存在夸大或误传.............
-
关于乌克兰数学家康斯坦丁·奥尔梅佐夫（Konstantin Orelmazov）的自杀事件，目前公开的可靠信息较为有限，但结合俄乌冲突的背景和乌克兰学术界的现状，可以尝试从多个角度进行分析和探讨： 1. 事件背景的核实与可能性 身份确认：目前公开的资料中，尚未有明确的、权威的新闻来源（如BBC.............
-
关于美国太平洋司令部空军司令威尔斯巴赫（James W. "Jim" Welsbach）提到的F35战机与歼20近距离接触的事件，目前公开信息中并无直接证据表明该言论来自美国官方渠道，因此需要从多个角度进行分析和澄清。 1. 事件背景与信息来源的可靠性 美国官方声明的缺失：截至2023年，美国.............
-
关于您提到的“硅谷男子在妻子患病期间相亲，妻子病逝后迅速再婚并独吞200万抚恤金”的事件，目前没有权威媒体或官方渠道发布过相关具体信息。因此，这一事件的真实性、细节和法律性质尚无法确认。以下从法律、道德和社会角度进行分析，供您参考： 一、事件可能涉及的法律问题1. 重婚罪（若属实） 根据中国.............
-
欧盟三国领导人乘坐火车前往基辅会晤泽连斯基，这一事件反映了欧洲国家对乌克兰的持续支持，以及俄乌冲突背景下国际政治的复杂动态。以下从多个角度详细分析这一事件及其背后的局势： 一、欧盟三国领导人赴基辅的背景与意义1. 象征性行动 欧盟三国（如波兰、爱沙尼亚、捷克等）领导人乘坐火车前往基辅，是近年.............
-
中国海关查获5840块造假显卡、讯景中国官网临时关闭以及天猫旗舰店下架产品事件，涉及知识产权保护、市场秩序维护及企业合规问题，具有多重社会和行业影响。以下从多个角度详细分析： 一、事件背景与核心问题1. 海关查获假显卡 查获数量：5840块显卡，可能涉及假冒品牌（如讯景、华硕、技嘉等），或.............
-
尹锡悦当选韩国总统是2022年韩国大选的重要结果，这一事件对韩国政治、经济、社会及国际关系产生了深远影响。以下从多个维度详细分析其背景、意义及可能的未来走向： 一、选举背景与过程1. 政治格局 在野党联盟胜利：2022年韩国大选中，由自由民主党和共同民主党组成的“在野党联盟”以压倒性优势击.............
-
关于加州华裔女博士因持刀袭警被警方击毙的事件，这一案件涉及法律程序、执法权、种族问题等复杂背景，需要从多个角度进行分析。以下从法律、执法程序、社会背景、争议焦点等方面展开详细讨论： 1. 事件背景与法律依据根据公开报道，事件发生在2022年11月，加州一名华裔女性（身份为博士）因涉嫌持刀袭击警察，在.............
-
基辛格的《论中国》（On China）是美国前国务卿亨利·基辛格（Henry Kissinger）于1972年访华期间撰写的一部重要著作，也是中美关系史上的关键文献之一。这本书不仅记录了基辛格作为“中间人”在中美关系正常化过程中的角色，还系统阐述了他对中国的政治、文化、历史和外交政策的深刻观察。以下.............
-
印度承认误射导弹落入巴基斯坦境内一事，是印巴两国关系紧张的一个缩影，也反映了地区安全局势的复杂性。以下从多个维度详细分析这一事件的背景、影响及可能的后续发展： 一、事件背景与经过1. 时间与地点 事件发生在2023年6月，印度在进行军事演习时，一枚“阿金科特”（Agni5）远程导弹因技术故障.............
-
2022年2月24日，俄罗斯在乌克兰发动全面军事行动后，联合国大会通过了一项决议草案，要求俄罗斯立即从乌克兰撤军、停止军事行动，并尊重乌克兰的主权和领土完整。这一决议的通过过程和结果引发了国际社会的广泛关注，以下是详细分析： 一、事件背景1. 俄罗斯的军事行动 2022年2月24日，俄罗斯在.............
-
乌克兰副总理呼吁游戏厂商暂停在俄罗斯的业务，并点名腾讯，这一事件反映了俄乌冲突背景下，国际社会通过经济手段施压俄罗斯的策略。以下从背景、动机、可能影响及各方反应等方面进行详细分析： 一、事件背景与动机1. 俄乌冲突的经济压力 俄乌冲突已持续近两年，俄罗斯经济受到严重冲击，包括制裁、能源价格飙.............
-
瓦列里·捷杰耶夫（Valery Gergiev）作为俄罗斯著名的指挥家和马林斯基剧院的音乐总监，其被西方音乐界抵制的事件，涉及复杂的国际政治、文化立场与艺术伦理问题。以下从多个角度详细分析这一事件的背景、原因、影响及争议： 一、事件背景：捷杰耶夫与俄罗斯的政治关联1. 职业背景 捷杰耶夫自1.............
-
全国政协委员建议推广DNA数据库以实现有效打拐的建议，涉及技术、法律、伦理、实际操作等多方面因素，其可行性需从多个维度综合分析。以下从技术、法律、伦理、操作、风险等角度详细探讨： 一、技术可行性分析1. DNA数据库的原理 DNA数据库通过存储犯罪现场或失踪人员的DNA样本，利用DNA指纹技.............
-
关于俄罗斯外交部发布的所谓“乌克兰政府对顿巴斯的暴行”视频，这一问题涉及俄乌冲突的复杂背景、信息战的特征以及国际社会的争议。以下从多个角度进行详细分析： 1. 背景与视频的来源 冲突背景： 顿巴斯地区（包括顿涅茨克和赫尔松两州）自2014年以来一直是俄乌矛盾的焦点。2022年2月，俄罗斯以“保.............
-
关于抖音用户“李赛高（佤邦）”被封号的事件，目前公开信息较为有限，但可以从以下几个角度进行分析和探讨： 一、事件背景与可能原因1. 账号主体身份 “李赛高”可能是某位公众人物或网红，而“佤邦”可能与其身份或背景有关。佤邦是缅甸的一个少数民族地区，历史上曾与中国存在复杂关系，涉及民族、历史、政.............
-
沈逸是中国人民大学国际关系学院教授，长期从事国际政治研究，尤其关注地缘政治与大国关系。他在俄乌冲突中的分析曾引发争议，但需注意的是，学术观点的准确性往往取决于信息来源、分析框架和时代背景。以下从多个角度分析其判断可能存在的问题及原因： 一、沈逸的分析背景与观点1. 2014年乌克兰危机前的预测 .............
-
关于饶毅提到的“在美国校运动队的学生就能上哈佛等一众名校”的说法，需要从多个角度进行分析，既要理解其可能的背景和意图，也要客观看待美国大学的招生政策和实际情况。 一、饶毅的言论背景与可能的误解饶毅作为中国科学院院士，长期关注中国教育体系与国际教育的差异，曾在多个场合讨论中美教育制度的对比。如果他提到.............
-
地狱笑话吧的突然爆火，是网络文化、社会情绪、平台算法和亚文化圈层共同作用的结果。以下从多个维度详细分析这一现象： 一、社会情绪的释放与心理需求1. 压力与焦虑的宣泄 在快节奏、高竞争的现代社会，人们普遍面临工作、生活压力。地狱笑话以其“荒诞”“反讽”“黑色幽默”的特点，成为一种情绪宣泄的出口.............
本站所有内容均为互联网搜索引擎提供的公开搜索信息，本站不存储任何数据与内容，任何内容与数据均与本站无关，如有需要请联系相关搜索引擎包括但不限于百度，google,bing,sogou 等
© 2025 tinynews.org All Rights Reserved. 百科问答小站 版权所有