耿同学是怎么用AI降维打击学术圈的 开源工具揭露学术不端！一个退学博士凭借一台电脑和几个开源软件，揭露了多位杰出青年学者和长江学者的学术不端行为。这个故事发生在2026年4月至5月间，一名从北航博士五年级退学的年轻人使用简单的数学方法和免费软件，仔细检查发表在《Nature》上的论文数据末位是否偏爱0和5，以及图片是否在不同文章中反复使用。他将这些发现制作成视频，并点名道姓地公开。

同济大学生命科学学院原院长王平首先被举报，学校随后确认其学术不端属实，免去其院长职务并降级，第一作者也被解聘。接着，南开大学、中山大学和上海大学也相继被曝光。5月17日，他又发布了一条视频，一口气指出了四所高校的五名杰出青年学者。

这位年轻人之所以能够成功打假，是因为他利用了一套技术组合拳。首先是AI图片查重工具，如ImageJ和ForensicImageAnalysis，可以检测图片中的重复区域、亮度异常和PS痕迹。《Science》期刊在2024年引入了Proofig商业AI软件，该软件能自动检测论文中的“欺诈性图像”，准确识别经过裁剪、旋转或更改对比度的图像。

同济大学王平团队的论文中，14张核心图表中有10张未客观计数免疫荧光阳性细胞，3张图片存在重复误用，1张记录不规范。这些“克隆”痕迹在AI面前无处遁形。

其次是对数据的审查。他质疑南开大学生命科学学院院长陈佺团队的一篇论文中，一组64个实验数据的小数点后两位完全相同，违背了生物实验数据应有的随机性。在上海大学转化医学院院长苏某某的论文中，71个数据里有51个的结尾数字是0或5，还呈现等差数列排列。这涉及两个统计学原理：末位数字分析（本福特定律）和异常分布检测。

传统学术监督机制在这种情况下显得乏力。同行评审往往时间有限且信任前置，专注于逻辑与创新性而非原始数据的真实性核查。校内及出版后的监督也因利益关系而难以发挥作用。杰青对高校的价值远不止几篇论文，他们能带来大量经费和资源，让学校自己查处自己的“绩优股”变得困难。

技术方法的优势在于其客观性和可重复性，工具结果不因人而异，流程可被任何人复现验证。此外，这些方法聚焦于那些以为仅靠修饰、拼凑就能蒙混过关的造假行为。开源工具降低了监督的技术门槛，使外部个体具备了一定的审核能力。

然而，技术并非万能。耿同学的方法擅长识别数据捏造和图像不当处理等“硬造假”，但对于p-hacking——操作科学数据以使其具有统计学意义的行为，作用有限。许多期刊的补充材料政策不完善，也是主要障碍。科技部在2025年部署开展学术不端撤稿论文专项整治行动，但原始数据的公开透明仍是关键瓶颈。

如果每个研究生都学会这套方法，学术圈可能会变得更加透明，但也可能增加不必要的猜疑氛围。理想的路径是推动期刊将部分技术核查流程化、自动化，作为投稿前置关卡，从源头减少低级造假。技术筛查应作为强有力的补充工具，而非取代传统的同行评议和伦理教育。

如今，监督学术的不再是老教授，而是一群退学生、程序员和高中生，他们用开源工具和短视频加上基础统计方法，搞起了草根同行评审。这场透明度革命已经到来，学术圈是否准备好迎接这一变革？