頂刊論文頻頻翻車，審稿編輯集體失明？造假漏洞全被網友從補充材料扒得明明白白

這段時間，許多科研人刷到論文打假新聞時，心情大概都很復雜。

一方面，看到頂刊論文、高校教授、知名團隊被質疑，甚至被調查處理，會有一種學術圈地震了的感覺。另一方面，很多人也會忍不住想 ——

這些論文到底是怎么被看出問題的？為什么有些異常，發表前沒有被作者、審稿人、編輯發現，反而是后來被一個博主，或者一群網友從補充材料里扒了出來？

這其實才是論文打假真正值得關注的地方。

01

打假潮來了，

頂刊光環不是論文的免檢章

這輪打假潮的真正破圈，繞不開講故事的耿同學。

2026 年 4 月上旬，科普博主「耿同學講故事」發布視頻，質疑同濟大學生命科學與技術學院時任院長王某團隊發表在《自然》上的論文存在數據異常。隨后，同濟大學成立調查組。

5 月 6 日，學校公布處理結果，認定相關論文存在學術不端行為，王某被免去學院院長職務、降低專業技術崗位等級，論文第一作者金某某被解除聘用關系。

圖片來源：同濟大學

這件事之所以引發如此大的震動，主要還是因為這樣一項發表在頂級期刊、來自知名團隊、被賦予很多學術光環的成果，居然存在嚴重的數據問題。

隨后，耿同學又陸續質疑多位知名學者的論文存在問題。

例如，南開大學生命科學學院院長陳某、中山大學腫瘤防治中心副主任杰青康某某、中山大學生命科學學院副院長鄺某某以及上海大學轉化醫學研究院院長蘇某某。

目前南開大學、中山大學均已發布公告，多人被處理。（相關報道鏈接：）

圖源：南開大學

耿同學最近一次的大動作是發布了一條標題叫做《給杰青們一個自查機會，拒不整改，再行舉報！》的視頻，表示自己還有 5 名杰青的造假素材，涉及同濟大學、華東師范大學、湖南大學和中山大學。

圖片來源：視頻截圖

大家或許會好奇，論文打假人是不是像偵探劇主角一樣，一眼掃過論文，就會突然發現破綻，然后冷笑一聲，「真相只有一個」。

現實沒這么戲劇化。耿同學成為論文打假人也不是一日之功。

02

從科普博主到打假人，

耿同學都做了什么？

耿同學并不是一開始就以「學術打假人」的身份出現。

公開報道中，他的身份更像一個有生物學訓練背景的科普博主：本碩學習生物學，博士階段經歷并不順利，后來退學，轉向做科普內容。

這個開局并不像爽文主角，更像很多科研人熟悉的現實支線 —— 熱愛科研，但被現實磨得有點灰頭土臉。

圖片來源：網頁截圖

真正的轉折，是他把專業背景、科普表達和論文打假結合到了一起。

論文打假最難的地方，不只是發現問題，而是把問題講明白。很多科研人其實也見過奇怪論文，但常常停在一句「這數據不太對吧」。這句話在飯桌上有用，在公共討論中沒用。

真正有效的打假，需要把「感覺不對」變成「哪里不對、為什么不對、別人能不能復核」。

耿同學比較突出的地方就在這里：他把數據異常做成了普通人也能看懂的故事。

比如，真實的生物學實驗數據通常有自然波動，不會整齊得像排隊做廣播體操。如果兩列數據之間總是完美相差一個固定值，或者某一列數字的小數末位高度集中，就會讓人警覺。

這類異常比單純圖片問題更難用「誤用」解釋。

圖源：網絡

過去很多論文打假集中在圖片上，比如 Western blot 條帶重復、顯微照片重復、凝膠圖鏡像、局部復制粘貼。圖片問題當然重要，但作者有時會解釋為「排版失誤」「圖片誤用」「上傳錯版本」。這些解釋未必都成立，但至少存在「操作錯誤」的空間。

數據異常就不一樣。數據如果呈現出真實實驗中很難自然出現的規律，就像一群人假裝隨機排隊，結果身高從左到右嚴格遞增。你不能說這絕對不可能，但實在太像提前排練過。

這就是打假方法的升級：從「看圖片像不像」變成「看數據合不合理」。

國外也有類似的科研偵探。

最有名的人之一是 Elisabeth Bik。她長期關注生物醫學論文中的圖片重復問題，尤其擅長識別 Western blot、顯微圖、凝膠圖中的復制、旋轉、鏡像、裁剪和拼接。她和合作者曾人工篩查兩萬多篇生物醫學論文，發現約 3.8% 的論文存在問題圖片。

所以學術打假看起來不容易，實則也并不簡單。

03 普通科研人如何識別可疑論文？

話說回來，不是每個人都要成為論文打假人，但每個科研人都應該學會如何識別可疑論文。

Nature曾總結過科研偵探識別可疑論文的一些經驗，很多方法并不高深，普通研究者也可以上手。

第一，看參考文獻。

比如，參考文獻標題看起來很正規，但數據庫里根本查不到；再或者引用了一堆和主題關系很遠的文章，像是為了湊數硬塞進去現在還有一種新風險：AI 幻覺參考文獻。看起來作者、標題、期刊、年份一應俱全，實際上一查，文章根本不存在

實用操作也很簡單：不用查全部文獻，挑最關鍵的三五個論斷，點開引用核對。看原文是不是真的支持這個說法。

第二，看作者和單位。

跨單位合作很正常，跨國合作也很正常。但真實合作通常有邏輯：誰提供樣本，誰做實驗，誰做數據分析，誰負責臨床資源，誰有相關領域積累。

如果一篇高度專業的實驗論文，作者單位和研究內容幾乎對不上；或者論文聲稱有復雜臨床隊列，但作者列表里看不出任何合理的數據來源；再或者作者貢獻說明寫得非常模糊，就要多留個心眼。

第三，看科學問題。

有些可疑論文不是因為結論太驚人，而是因為它太不懂行。

比如，研究對象、疾病類型、樣本來源、生物學機制之間對不上；或者標題非常宏大，實驗卻完全支撐不了結論。不能說這種文章都不可靠，但如果沒有清晰假說、沒有獨立驗證、沒有機制閉環，就要謹慎。

第四，看文字。

現在用 AI 潤色論文很常見，這本身不一定有問題。但如果文章里出現明顯的提示詞殘留、術語誤譯、句子邏輯斷裂，就值得警惕。

第五，看圖片。

生物醫學論文里，圖片是重災區。Western blot、凝膠圖、顯微圖、組織切片、流式圖，都值得看一眼。

普通人可以先做肉眼檢查：兩張圖是不是長得過于相似？背景紋理有沒有重復？某個區域邊緣是不是突然斷掉？同一張圖片有沒有旋轉、翻轉、調亮之后再次出現？

第六，看數據。

真實數據通常不完美。實驗會有噪音，樣本會有差異，重復實驗之間會波動。尤其在生物學、醫學、生態學這類領域，自然變異本來就是研究對象的一部分。所以，當你看到一組數據特別整齊，反而要小心。

當然，學會打假，并不是為了互相傷害，而是為了讀文獻時不盲信，審稿時不放水，引用時多核查，發現問題時有證據、有邊界、有流程。

科研不怕被檢查。

真正可靠的數據，經得起質疑；真正扎實的論文，也不怕別人把補充材料打開看一遍。

題圖來源：圖蟲創意