天天看点

把ACL论文“几乎一字不落”抄到AAAI 2021上,作者回应:属借鉴

机器之心报道

编辑:蛋酱

AI 领域学术不端又来,一篇 AAAI 2021 论文涉嫌抄袭 ACL 2020 论文,有人还贴了查重结果。

几个月以来,学术圈不端行为屡被爆出,先是港科大硕士 ICCV 论文涉嫌抄袭,后有北理工硕士生「一字不差」抄袭顶会投稿;就在不久之前,有 B 站博主发视频称复旦大学重点实验室疑似抄袭美国教授的论文,并列出了一系列抄袭证据。

近日,又有知乎网友爆出一篇 AAAI 2021 与 ACL 2020 论文几乎完全一致:「文字部分几乎一字不落的重复。」

涉嫌抄袭的论文是 AAAI 2021 的一篇论文,论文为《 Multi-modal Graph Fusion for Named Entity Recognition with Targeted Visual Guidance 》。论文作者来自东南大学、苏州大学。

把ACL论文“几乎一字不落”抄到AAAI 2021上,作者回应:属借鉴

论文地址:https://www.aaai.org/AAAI21Papers/AAAI-2753.ZhangD.pdf

上述论文疑似抄袭了 ACL 2020 的一篇论文《 A Novel Graph-based Multi-modal Fusion Encoder for Neural Machine Translation 》,论文作者来自厦门大学等研究机构。

把ACL论文“几乎一字不落”抄到AAAI 2021上,作者回应:属借鉴

论文地址:https://arxiv.org/pdf/2007.08742.pdf

下面我们来看看这两篇论文存在哪些相似的地方。

两篇论文内容对比

首先,论文摘要(Abstract)和引言(Introduction)部分存在相似的地方,如下为两篇论文的摘要截图,通过简单的对比,我们可以发现摘要中存在大量相似的语句,只是替换了几个关键词:

把ACL论文“几乎一字不落”抄到AAAI 2021上,作者回应:属借鉴

AAAI 2021 涉嫌抄袭论文

把ACL论文“几乎一字不落”抄到AAAI 2021上,作者回应:属借鉴

ACL 2020 被抄袭论文

在论文主要贡献部分,涉嫌抄袭的论文也只是进行了简单的修改:

把ACL论文“几乎一字不落”抄到AAAI 2021上,作者回应:属借鉴
把ACL论文“几乎一字不落”抄到AAAI 2021上,作者回应:属借鉴

在算法上也存在大量的相似性:

把ACL论文“几乎一字不落”抄到AAAI 2021上,作者回应:属借鉴
把ACL论文“几乎一字不落”抄到AAAI 2021上,作者回应:属借鉴

为了更直观的对比这两篇论文,有人上传了两篇论文的查重结果对比:下图中,左侧为 ACL 2020 被抄袭论文,右侧为 AAAI 2021 涉嫌抄袭论文。结果显示,两篇论文存在 1.4K 相似词,有 13.4% 存在相同部分,4.4% 有小的变化,有 5.3% 的内容存在相关含义。

把ACL论文“几乎一字不落”抄到AAAI 2021上,作者回应:属借鉴
把ACL论文“几乎一字不落”抄到AAAI 2021上,作者回应:属借鉴

查重结果对比。图源:知乎 @sonta。

AAAI 2021 论文作者回应:属借鉴

此次抄袭事件在知乎社区引发了很多讨论,昨晚,涉嫌抄袭的论文作者之一、知乎用户 @魏素忠给出了正面回应:

把ACL论文“几乎一字不落”抄到AAAI 2021上,作者回应:属借鉴

在回应中,论文作者提出了几点:

论文已明确引用《A Novel Graph-based Multi-modal Fusion Encoder for Neural Machine Translation》

related work 也提了联系与区别

github 仓库中说明了部分代码参考自 acl2020

此外,作者表示,ACL 2020 论文是做多模态机器翻译,AAAI 2021 论文是做多模态命名实体识别。两篇论文之间并不存在「抄袭」关系。

「方法部分参考了 acl2020 的论文。因此在 contribution 和 method 部分会有一些相似。但在其它部分,例如 motivation,introduction, graph construction, experimentation 都是自己针对我们 mner 任务设计。」

同时作者也表示:将会重新润色借鉴的模块,然后重新提交到 AAAI Proceedings。

把ACL论文“几乎一字不落”抄到AAAI 2021上,作者回应:属借鉴

作者提到,这篇 AAAI 2021 论文的代码已经开源,实验结果也能复现。但也有人反映,根据其 GitHub 中提供的代码并不能复现实验结果,而且作者并不回复 issue。

把ACL论文“几乎一字不落”抄到AAAI 2021上,作者回应:属借鉴

对于此事,你怎么看?

基于Python,利用 NVIDIA TAO Toolkit 和 Deepstream 快速搭建车辆信息识别系统

NVIDIA TAO Toolkit是一个AI工具包,它提供了AI/DL框架的现成接口,能够更快地构建模型,而不需要编码。

DeepStream是一个用于构建人工智能应用的流媒体分析工具包。它采用流式数据作为输入,并使用人工智能和计算机视觉理解环境,将像素转换为数据。

DeepStream SDK可用于构建视觉应用解决方案,用于智能城市中的交通和行人理解、医院中的健康和安全监控、零售中的自助检验和分析、制造厂中的组件缺陷检测等

12月14日19:30-21:00,本次分享摘要如下:

介绍 TAO Toolkit 的最新特性;

介绍 NVIDIA Deepstream 的最新特性;

利用 TAO Toolkit 丰富的预训练模型库,快速训练模型;

直接利用 TAO Toolkit 的预训练模型和 Deepstream 部署应用;

完成对车辆车牌的检测和识别,并对行人以及车辆的品牌,颜色,种类进行检测。

继续阅读