医学论文数据修改被发现

看法一：我们应该要树立正确的学术观念，不可以走歪门邪道。

西安交通大学的多位医学生篡改研究数据进行论文写作，但是最后被官方发现进行了通报批评。这个事件告诉我们，我们的要树立正确的学术观念，不可以为了达到某种目的而进行错误的操作，因为这样做的结果带给我们的是更加严重的后果，例如通报批评、开除等处分。即使当我们进行了某种不正当的操作时，不能在第一时间发现，但是互联网的广大会进行搜索，最终会发现学术的错误。例如翟天临的知网事件，虽然他在学校毕业多年，但是最后还是发现他在学术上的造假。教育的目的就是让我们树立正确的观念，无论是学术还是价值观上，我们都要坚持自己的正确的思想理念，不能让我们多年的教育变为徒劳。

看法二：出现学术造假的情况的根本原因是竞争力过于大。

学术的研究在很早之前就进行了，一些学术上的话题早已经被研究者们研究透了，但是对于后来者而言，却是一种煎熬。因为对于一些后来者而言，他需要发现更多的学术上的新知识。为了让自己的论文能够通过，所以就出现了学术造假的情况出现，要是这种铤而走险的做法，让他们深陷舆论的中央。近几年在学术照造假的新闻层出不穷，在翟天临事件出现之后，各大高校对于学论文的要求变得更加的严格，不免有一些同学为了铤而走险而进行学术造假。同时各大高校的学子在不断地内卷，会让某些同学感受到了竞争的压力，为了获得更高的荣誉而进行造假。不论我们的竞争压力有多大，我们都应该坚持自己内心正确的学术观念。

可以看出医生不只是要医术，更重要的是品行要端正！

研究生论文数据造假会被发现如下：

造假被查出来的大都是生物，材料之类的领域，然而计算机（特指深度学习）才是重灾区，造假容易复现困难随机性强，别说二流论文，顶会论文都没有参考价值。所以除了廉价劳动力够多的大研究室，其他人论文的数量基本取决于不要脸的程度。这也是我再也不想碰ML领域会议的原因。

比如组合优化的性能曲线，所有人都知道是个指数曲线，你搞个新的剪枝条件，水一点咱不求正确解，毕竟大部分应用下并不需要正确解，切掉1%的解换来50%的速度是很合理的思想。什么性能改进不够大？5次实验最好的跟最坏的比啊，还不行用C+SIMD写的跟Java的比啊，再不行说实话你随便编个数也没人看得出来，毕竟理论上行得通，行不通那是他程序写的不好。

要说上面想法毕竟真的，顶多偷懒不想做实验，到了ML领域之后那就是明明白白的造假了。数据集精选到位，想法再烂几百个实验里只要能挑出一个能看的，那就是顶会苗子——normalization + adaptive learning rate + manifold constraint审稿人怎么知道哪个项work？

再进一步，古典ML还要你写程序做实验，到了DL里这些全都可以省了，完全可以画图编数据发顶会一步到位。毕竟就是个人肉Architecture Search，随便找个domain画个图，编个比SOTA高一点的精度，一篇论文就诞生了。需要公开数据集和代码？某国际大厂研究院实习生发的顶会论文也带代码，

最近有些研究都开始明目张胆的把validation dataset的distribution当制约条件，甚至直接sample数据进train loop，好家伙演都不演骑头上侮辱人智商呢是不？人家都把造假上升为novel approach了，就别提被发现了，那是伟大的研究懂不懂。