論文中了頂會，卻被曝抄襲前導(dǎo)師小組論文，多處原文及公式完全一致丨Reddit高熱

蕭簫 2020-12-07 13:03:45 來源：量子位

蕭簫 發(fā)自 凹非寺
量子位 報道 | 公眾號 QbitAI

論文中了機(jī)器學(xué)習(xí)頂會，卻被舉報抄襲。

這是一篇收錄在ICML 2020的論文，被貼在Reddit上后，事件迅速發(fā)酵：

論文來自加拿大約克大學(xué)?（York University），題為「PoKED: A Semi-Supervised System for Word Sense Disambiguation」，研究方向是NLP中的詞義消歧。

但它的核心方法、公式、網(wǎng)絡(luò)結(jié)構(gòu)圖，卻與另外3篇論文中的部分文本及圖例如出一轍，其中兩篇同樣來自頂會。

而在仔細(xì)查看之后不難發(fā)現(xiàn)，這3篇論文都來自同一個教授，也是作者之前所在的導(dǎo)師小組。

這到底是怎么回事？

多處原文相似，2篇來自頂會

這篇被抄襲的論文，主要介紹了一個名為PoKED?（Position-wise Orthogonal Knowledge-Enhanced Disambiguator）的網(wǎng)絡(luò)結(jié)構(gòu)。

但舉報人發(fā)現(xiàn)，這一結(jié)構(gòu)卻幾乎全部抄襲自3篇論文。

第一篇被抄襲的論文，來自頂會ACL 2019（這篇論文曾經(jīng)投過EMNLP 2018，未被接收）。

抄襲的畫風(fēng)是這樣的，左邊是ICML 2020的論文，右邊是ACL 2019的論文：

除了換一種表達(dá)方式以外，內(nèi)容基本如出一轍。

據(jù)舉報者的PDF顯示，抄襲的篇幅基本涵蓋了論文第三章的核心方法?（論文解決核心問題所用的網(wǎng)絡(luò)架構(gòu)）部分，公式和圖片也高度接近。

第二篇被抄襲的論文來自ACML 2017，在一個細(xì)節(jié)模型上高度相似。

最后一篇論文目前也已經(jīng)發(fā)表在arXiv上，網(wǎng)絡(luò)結(jié)構(gòu)幾乎一樣。

而這些被抄襲的論文，全部來自作者的前導(dǎo)師小組。

抄襲對象來自前導(dǎo)師小組

3篇論文涉及的導(dǎo)師Hui Jiang，目前是加拿大約克大學(xué)的一名教授，而這些論文的其他作者，也基本都來自這個導(dǎo)師的小組。

從Hui Jiang教授的主頁來看，第一篇ACL 2019的一作Chao Wang，目前仍然是Hui Jiang小組的一名在讀博士生。

第二篇ACML 2017的一作Hengyue Pan，是一名已經(jīng)畢業(yè)的博士生；至于第三篇arXiv論文，二作Mingbin Xu也同樣來自Hui Jiang小組。

被舉報抄襲的論文作者Feng Wei，曾經(jīng)也是Hui Jiang的一名學(xué)生，只是目前在主頁上的信息已經(jīng)顯示為“dropped”，日期是19年4月。

然而Feng Wei的這篇ICML 2020論文信息顯示，他目前仍然在加拿大約克大學(xué)就讀，也許導(dǎo)師換成了Uyen Trang Nguyen教授。

雖然論文介紹PPT上的作者有2位，但這篇論文在最終投稿到ICML 2020的時候，卻只有Feng Wei自己的名字。

目前，ICML主席表示，已介入調(diào)查此事。

Reddit版塊主持人已留存帖子

這件事在Reddit上迅速發(fā)酵后，Machine Learning版塊的主持人programmerChilli已經(jīng)出面，并給出了解決方案：

目前，為防止出現(xiàn)意外，這條帖子已經(jīng)被鎖定。如果事情無法通過正當(dāng)渠道解決，這條帖子也能保留作為證據(jù)。

此外，Chilli自己也表示：

同意調(diào)查，但先別急著深究作者的過錯。請給博士一些同理心，因為陳姓華人博士生就是一個案例。

Chilli所指的，是去年一起佛羅里達(dá)大學(xué)的博士自殺的案件。這名博士生，在短時間內(nèi)中了一篇ISCA頂會論文，然而在修改時發(fā)現(xiàn)論文問題太多，但教授卻一直不給撤稿，最后只能無奈自殺。

但其他網(wǎng)友也有不同的意見。

例如這次的舉報者，對于抄襲本身憤憤不平，認(rèn)為沒必要為抄襲編造一個“想象”的理由出來。

但對于舉報者將抄襲這種事情曝光在Reddit的機(jī)器學(xué)習(xí)論壇上，也有不少人表示反對。

這些網(wǎng)友認(rèn)為，舉報就應(yīng)該找官方的渠道，將這種沒有坐實的信息貼出來，是在浪費(fèi)大家的時間。

對于這件事情，你怎么看？

論文對比PDF（包含所有完整版論文）：

參考鏈接：
https://www.reddit.com/r/MachineLearning/comments/k7nza3/d_a_plagiarism_in_icml_2020/
https://icml.cc/media/Slides/icml/2020/virtual(no-parent)-16-13-00UTC-6075-poked_a_semi-s.pdf
https://mp.weixin.qq.com/s/qRIONaOUSnsf6UAKyHmR1A
https://icml.cc/virtual/2020/poster/6075
http://proceedings.mlr.press/v119/wei20a.html
https://wiki.eecs.yorku.ca/user/hj/students:start
http://www.cse.yorku.ca/~utn/students.html
https://lilianweng.github.io/lil-log/2017/10/15/learning-word-embedding.html