——从“耿同学举报事件”看学术论文可复现性崩塌与评审责任追踪
最近，“耿同学讲故事”连续公开质疑多所高校学者论文存在数据或图片问题，引发学术圈广泛关注。更刺痛的是，相关争议并非发生在普通期刊，也并非指向普通学术新人，而是牵涉同济大学、南开大学、中山大学、上海大学等高校发表在 Nature 及其系列顶级子刊上的论文；相关人员公开身份中，不乏学院院长、国家杰青、长江学者、国家级人才计划入选者等学术体系中的高位者。同济大学已完成核查并确认相关论文部分图表实验和数据存在学术不端行为，对责任人作出处理；南开大学、中山大学、上海大学也已分别就相关论文数据或图片存疑问题成立调查组、启动调查程序。
除同济案例已有明确处理结果外，其余仍需等待正式调查结论，不能提前定性。但真正的问题已经摆在眼前：如果顶级高校、顶级人才、顶级期刊、顶级审稿体系叠加在一起，仍然挡不住数据与图片风险进入正式发表流程，那么所谓“严格同行评审”的公信力究竟建立在哪里？是谁审的稿？谁放行的论文？出了问题又该由谁追责？
一个更刺痛人的问题已经无法回避：为什么许多论文在发表前没有被发现？为什么同行评审、期刊编辑、高校学术委员会、项目验收、人才评价、成果宣传这一整套系统，常常不能主动发现问题？为什么最后竟然要靠一个 B 站科普博主公开发视频，才推动大学启动调查、期刊承压回应、公众开始追问？
这不是某一个博主的胜利，而是整个学术评审体系的尴尬。
这不是“民间打假太强”，而是制度化学术监督太弱。
这不是偶然事件，而是一面镜子：镜子里照出来的不是某几篇论文，而是一套比深度学习神经网络还黑的学术评审黑箱。
一、可复现性黑箱：论文不能复现，却照样可以成为“重大成果”
学术研究最基本的问题，不应该是“这篇文章发在哪里”，而应该是：
这个结果能不能复现？
如果不能复现，论文写得再漂亮，机制图画得再完整，影响因子再高，作者头衔再耀眼，都不能改变一个事实：它还没有真正成为可靠知识。
可现实恰恰相反。很多评审机制首先奖励的不是可复现性，而是可发表性。
图要漂亮，故事要完整，结论要显著，机制要闭环，摘要要有冲击力。至于原始数据在哪里，代码能不能运行，实验记录是否完整，图片源文件是否可查，统计流程是否透明，常常被放在次要位置，甚至根本没有被实质审查。
这就造成一个荒诞局面：
论文公开了，数据不公开； 图表公开了，原图不公开； 方法公开了，关键参数不公开； 代码说“可索取”，真正索取时无人回应； 结论说“显著”，但统计脚本不可见； 结果说“稳健”，但随机种子、失败样本、排除标准统统模糊。
这不是开放科学，这是学术魔术。
魔术师至少承认自己在变魔术，而某些论文却把不可审计的表演包装成科学事实。
二、评审责任黑箱：论文出事，评审人在哪里？
同行评审拥有巨大权力。
它可以决定论文能不能发表，项目能不能获批，青年教师能不能晋升，一个方向能不能被承认，一个团队能不能获得资源。
但问题是：这种权力有没有责任？
如果评审人没有要求原始数据，谁负责？ 如果期刊没有检查图像问题，谁负责？ 如果编辑把明显需要核查的稿件送进发表流程，谁负责？ 如果基金评审把建立在问题论文上的申请继续评为优秀，谁负责？ 如果高校把未经充分验证的论文包装成重大成果宣传，谁负责？
现实中，通常是作者被追责，学生被追责，博士后被追责，第一作者被追责。可审稿链条、编辑链条、宣传链条、评价链条却常常轻轻滑过。
这就是最深的黑箱：作者承担可见责任，评审系统享受不可见权力。
深度学习模型预测错了，至少还可以看误差指标；评审人判断错了，常常连一份长期审稿质量公开记录都没有。
这不是同行评议。
这是无责任裁判。
三、原始数据黑箱：没有原始数据，审稿就是看装修
论文正文像精装修样板房。
图表精美，逻辑顺滑，结论漂亮，故事完整。
但原始数据才是地基。
如果地基不给看，只看装修，怎么判断这栋房子会不会塌？
许多学术评审真正审到的，只是作者整理后的结果，而不是结果产生的全过程。可造假、选择性报告、图像误用、统计操纵、样本剔除、过度平滑、重复使用图片，恰恰最容易发生在正文背后的数据生产链条中。
如果审稿系统不检查原始数据，它审查的就不是科学事实，而是作者的展示能力。
换句话说，只要作者足够会包装，数据足够“像真的”，故事足够“像顶刊”，就可能穿过评审系统。
这不是严谨，这是对包装能力的奖励。
四、代码复现黑箱：算法论文不开代码，本质上只发表了一半
在人工智能、数值计算、PINN、科学机器学习、神经算子、计算流体力学等领域，代码不是附件，而是研究本体。
没有代码，很多论文根本无法验证。
一篇算法论文如果只给公式，不给完整实现；只给伪代码，不给训练脚本；只给结果表格，不给随机种子；只给最优误差，不给失败运行；只说“公平比较”，却不公开基线调参过程，那么它更像性能广告，而不是科学论文。
尤其是声称“比基线高几个数量级”“达到机器精度”“显著优于已有方法”的论文，如果不提供完整代码、数据、环境、评估脚本和随机种子，评审人到底在审什么？
审作者的自信吗？
审表格的排版吗？
审结果是否足够震撼吗？
没有可运行代码的计算论文，就像没有原始实验记录的实验论文一样，天然缺失可信度。
五、匿名评审黑箱：匿名保护了公正，也保护了任性
匿名评审本来是为了保护评审人，让他们不受外部压力，能够独立判断。
但匿名一旦没有责任约束，就可能变成另一种问题：无成本否定、无成本拖延、无成本误判、无成本滥权。
一句“创新性不足”，可以否定多年工作； 一句“not suitable”，可以终止一篇论文命运； 一句“需要补充更多实验”，可以让作者多花半年甚至一年； 一句“理论不够充分”，却不说明到底缺哪条定理； 一句“实验不够全面”，却不说明公平标准是什么。
作者实名承受后果，评审人匿名释放权力。
这不是透明评审，而是戴着面具的学术裁判。
六、创新性黑箱：真正求真不被奖励，漂亮故事被奖励
学术评审最常见的判词之一是：“创新性不足。”
可什么叫创新性？
是问题新？方法新？理论新？实验新？应用新？还是只是符合评审人的兴趣？
很多时候，“创新性不足”不是严格判断，而是一种低成本否定。
更荒诞的是，现有体系经常不奖励真正求真。复现实验不够创新，负结果不够创新，纠错论文不够创新，长期数据集建设不够创新，严谨验证已有方法边界也不够创新。
于是大家都去追求“看起来创新”。
命名创新、包装创新、机制图创新、故事线创新、标题创新、概念创新。
真正的问题反而被挤到边缘：
这个结论是真的吗？ 这个方法稳健吗？ 这个实验能重复吗？ 这个数据可信吗？ 这个结果经得起十年检验吗？
当学术评价把“新奇”放在“真实”前面时，造假就有了制度温床。
七、基金评审黑箱：探索未知，却要求提前写好结论
基金申请最荒诞的一点是：它要求你探索未知，却又要求你提前写清楚几乎所有结果。
研究还没开始，创新点要成熟； 实验还没做，预期成果要辉煌； 风险还没发生，应对方案要完美； 方向还在探索，应用前景要确定。
这不是支持探索，这是要求科学家写预言书。
真正原创的研究本来就有不确定性，真正重要的问题本来就可能失败。可是评审体系往往偏好“基础扎实、路线清晰、成果可预期”的项目。
于是，最容易获批的不是最值得探索的问题，而是最容易被包装成确定产出的路线。
这不是鼓励求真。
这是鼓励编剧。
八、期刊品牌黑箱：顶刊不是测谎仪，却被当成真理印章
顶刊当然重要，但顶刊不是测谎仪。
Nature、Science、Cell 或任何顶级期刊，都不能自动证明数据真实、结论可靠、机制成立。
可是现实中，期刊品牌被严重神化。
同一个结果，发在顶刊就是重大突破；发在普通期刊就是一般工作。 同一个方法，名校团队发表就是引领方向；普通团队提出就是证据不足。 同一套实验，顶刊接受后就被广泛引用；直到多年后出问题，人们才突然想起：原来同行评审不是万能的。
期刊本应是传播渠道，却被异化成学术信用货币。
这直接放大了造假收益。
因为一篇顶刊论文可以换来项目、帽子、职称、平台、招生、宣传和资源。至于论文能不能复现，常常变成后话。
当发表成功被当成科学成功，学术系统就已经开始偏离求真。
九、撤稿与纠错黑箱：奖励太快，纠错太慢
学术奖励系统反应非常快。
论文一发表，学校马上宣传； 团队马上庆祝； 基金马上写进成果； 人才申报马上使用； 学院马上计入业绩； 作者马上获得声誉。
可是纠错系统反应很慢。
质疑需要证据，调查需要时间，期刊处理拖延，原始数据难以获取，责任划分复杂，撤稿可能几年后才发生。
于是虚假成果往往在被纠正之前，已经完成利益兑现。
这就是最危险的制度激励：
造假收益即时到账，造假成本延迟结算。
甚至很多时候，成本根本没有真正结算。
论文撤了，项目追回了吗？ 帽子取消了吗？ 奖励退回了吗？ 宣传撤稿了吗？ 评审链条复盘了吗？ 期刊和编辑承担责任了吗？ 高校内部评价体系被审计了吗？
如果没有这些，撤稿只是表面纠错。
真正的问题不是论文撤不撤，而是虚假成果带来的制度收益是否被追回。
十、追责机制黑箱：荣誉层层分享，责任层层切割
一篇高水平论文发表时，荣誉是集体的。
作者有荣誉，导师有荣誉，课题组有荣誉，学院有荣誉，学校有荣誉，基金项目有荣誉，期刊有荣誉，宣传部门也有荣誉。
但论文一旦出事，责任迅速缩小。
某个学生操作不规范。 某个博士后误用图片。 某个第一作者数据处理不当。 某个通讯作者监管不到位。 某张图误用。 某个实验记录不完整。
荣誉可以向上扩散，责任却向下收缩。
这就是追责黑箱。
如果一篇论文能帮助学院冲排名、学校做宣传、导师拿项目、团队扩资源、期刊涨影响力，那么当论文出现严重问题时，责任为什么不能沿着同样的利益链条反向追溯？
不能只追责一线执行者，而不追责监督者。 不能只追责作者，而不追责通讯作者。 不能只撤论文，而不审计项目、荣誉、奖励和人才称号。 不能只批评造假者，而不追问是谁让造假有利可图。 不能只要求作者诚信，而不要求评审机制可追责。
否则，科研诚信治理就只是选择性灭火。
系统制造压力，个人承担爆炸。
没有可复现性和追责机制，就没有真正的学术评审
真正的学术评审，不应该首先问：
这个故事够不够漂亮？ 这个期刊够不够高级？ 这个作者够不够有名？ 这个方向够不够热门？ 这个结果够不够震撼？
它首先应该问：
这个研究能不能复现？原始数据能不能核查？
代码和流程能不能运行？统计结论能不能验证？图像源文件能不能追溯？评审判断能不能承担责任？论文出问题后，利益链条能不能反向审计？
如果这些问题没有答案，那么所谓“严格同行评审”就是空话。
今天很多学术制度最大的问题，不是个别人造假，而是它没有足够奖励不造假。
它奖励发表，奖励包装，奖励身份，奖励热点，奖励完美结果，奖励顶刊故事，奖励可宣传成果。
但它没有足够奖励真实。 没有足够奖励复现，没有足够奖励质疑，没有足够奖励纠错，没有足够追责失察。
这样的制度当然会制造造假。
因为当“真实”不能带来足够回报，而“看起来真实”可以带来巨大收益时，造假就不再只是个人道德问题，而是制度激励问题。
深度学习神经网络的黑箱，最多让模型不可解释。
学术评审机制的黑箱，却可能让真理不可抵达。
这才是比神经网络更黑的黑箱，更可怕的黑箱。
我们的学术公正、公开、公平，难道就靠 B 站耿同学发的举报视频来实现吗？细思极恐。谁造就了谁的悲哀？都是局中人，谁又能独善其身呢？
