来源：Nature 编辑：Priscilla 好困

【新智元导读】近日，Nature刊登了一篇有关「捏造」研究论文的文章，研究小组发现某些期刊上发表的论文并没有使用标准术语，经过GPT检测器后发现，有的论文居然连参考文献都是合成的。

「仿制意识」

「深刻神经组织」

「巨信息」

说人话好不啦！？

这些词语竟然会出现在期刊文章里！

是机翻软件翻车？

还是论文作者试图掩盖自己论文剽窃的事实？

抑或是直接用GPT模型替自己写论文？

CS论文出现奇怪的短语

前段时间，有些计算机科学期刊论文中出现了一系列让人摸不着头脑的术语。

明明已经算是非常普遍的术语，但就是不好好说。

来一起感受一下：

深度神经网络：profound neural organization（深刻神经组织）

https://www.ijraset.com/fileserve.php?FID=36960

请问这个organization它究竟哪里profound了？

行，DNN不够常见，换一个常见一点的术语：人工智能总知道了吧？

counterfeit consciousness（仿制意识/虚伪意识）……

大数据不说big data，说colossal information（巨信息）

haze figuring（霾运筹）猜到是说什么了吗？

云计算

还有用flag commotion表示signal to noise，irregular esteem表示random value，leftover vitality表示remaining energy……

真是「辣眼睛」。

nature都看不下去，发文报道了这一批学术期刊的「假」论文。

https://www.nature.com/articles/d41586-021-02134-0

法国图卢兹大学的纪尧姆·卡巴纳克（Guillaume Cabanac）带领的研究小组上个月在arXiv上发表了论文预印本。

论文表示，现在的期刊里已经出现了一种新型的合成论文。

https://arxiv.org/pdf/2107.06751.pdf

但意想不到的是，这种情况在计算机科学论文中可能比比皆是。

于是作者到引文数据库Dimensions中，用这些奇怪的短语（tortured phrases）对期刊文章进行了检索。

连「显卡」都要换，太丧心病狂了吧

GPU：designs preparing unit（设计准备器） ，CPU：focal preparing unit（焦点准备器）。

他们发现860多篇出现类似词汇的论文中，有500多篇刊登在了《微处理器与微系统》期刊中。

于是研究小组下载了在2018-2021年间发表在《微处理器与微系统》（Microprocessors and Microsystems）上的所有论文进行分析。

在2017-2019年间，在《微处理器与微系统》上刊登论文最多的国家和单位前五名

他们发现，还有一部分论文具有相同的提交、修订和接受日期，其中大部分出现在该期刊的特刊中。

作者怀疑，这可能是因为特刊通常是由针对特定研究领域，由客座编辑审核。

除了《微处理器与微系统》这个期刊，在其它35种期刊中，作者同样发现了用这些奇怪词汇的论文。

对于任何熟知这个领域的研究人员来说，他不可能用非标准术语来指代这个领域中众所周知的概念。

这些奇怪的词在知网上也能找到。

GPT检测器识别「假」论文

研究团队采用了一种最新的文本生成检测器，区分真实文本和合成文本。

这是一种基于RoBERTa的「GPT-2输出检测器」。

https://github.com/openai/gpt-2-output-dataset/tree/master/detector

该检测器能够给输入文本打分，显示文本的合成概率。

主要针对那些作为学术论文来说不能被接受的缺陷：

1. 复用别人的文本、图像却没有声明
2. 引用不存在的文献
3. 引用不存在的公式定理等
4. 无法理解的句子

其中，一些检测率高的文本甚至和对应的图在内容上甚至都是不相关的。

（b）为被「参考」的论文原文，其中介绍了一个漏水检测器的逻辑图。

然而通过大量修改，不仅能骗过机器查重，也让人根本读不懂这段话在说什么。

deep learning method——profound learning strategies

convolutional neural networks（CNN）——Cable News Network

natural language processing（NLP）——Neuro-Linguistic Programming

上面这些改写比之前举出的例子有过之无不及。

用GPT生成摘要和正文也就罢了，没想到连参考文献都逃不掉。

参考文献列表中包含不存在或无法识别的论文条目。

提供的超链接要么是错的，要么指向不相关的出版物。

网友讨论

paraphrase论文可能是不少人写论文的「必经之路」。

但这些论文的作者却将paraphrase的工作交给了机器。

从原始论文中复制了一堆文本之后，用诸如quillbot这类的转述机器人对文字进行了改写。

也有网友分析这显然是为「伪原创同义词替换工具」开发出了新用途。

看不见「云」，只看得到「霾」。

学者也有KPI，这在学术系统内部很常见：

为了文凭、终身职位等，你必须要发表一篇论文。

有人读过这些吗？没有，当然没有。有哪个知名的论文会引用它们吗？没有。

筛选出那些发表在一级期刊/会议上，但引用次数<1的论文，会是一个更大的问题。

这些类型的论文也确实有抄袭和数据伪造现象，但它不那么明显。

把gate（门）换成door，把complex（复杂）换成complicated。

印度的一位学生表示，他们想要毕业就必须发表一篇关于他们最后一年的项目的「论文」。

而这样的「期刊」有几十种之多，在收取一定的费用之后就会进行发表。

除了一些抄袭检查外，不会对内容进行审查。

这可能就是由大学和这些所谓的期刊组成的一个骗局。

但是，这些没有可信度的论文对于学术界来说根本没有存在的意义。

不仅可能会断送论文作者的前途，还会坏了出版社苦心经营的名声。

论文还是要认真对待的，要是太水了，

会被拉去沙漠治沙的。

参考资料：

https://www.nature.com/articles/d41586-021-02134-0

https://arxiv.org/abs/2107.06751

—完—

欢迎点赞~ 关注 新智元 及时了解人工智能新动态~