Academic Detective

Academic Detective 是一个免费的学术打假 AI 初筛网站。

网站地址：https://academic-detective.pages.dev

它的目标很简单：让任何人都可以上传一篇论文，得到一份由 AI 辅助生成的学术诚信初筛报告。

这不是一个“AI 自动判定学术造假”的工具。我不希望它变成那样。

它更像是一个低门槛的初筛助手：帮你快速扫一遍论文文本、图表描述、统计方法、结果表述和方法学细节，找出值得进一步人工复核的可疑点。真正的学术不端认定，永远应该交给专业调查和可复核的证据链。

为什么做这个项目

很多论文里的异常并不总是藏得很深。

有些问题就摆在图、表、统计结果、方法描述和时间线里，只是普通读者没有足够的训练，也没有足够的时间逐项检查。

尤其是生命科学、医学、生物材料等领域，论文经常包含大量 figure、Western blot、显微图、统计图和补充材料。一个人从头到尾看完已经不容易，更别说系统地检查同一张图是否被复用、数据是否过于整齐、标准差和 p 值是否合理、方法描述和结果是否互相矛盾。

这些事情很适合让 AI 先做一轮粗筛。

不是让 AI 下结论，而是让 AI 帮人节省时间，把值得人继续看的地方标出来。

它现在能做什么

Academic Detective 当前支持上传：

• PDF
• DOCX
• TXT

文件会先在浏览器里提取文本。默认情况下，原始论文文件不会被上传到服务器，后端只接收提取出来的文本和文件元数据。

后端会调用大模型，基于内置的学术打假分析框架生成一份 Markdown 报告。报告通常包括：

• 论文基本信息
• 综合风险评定
• 具体可疑点
• 证据描述
• 不确定性说明
• 建议后续行动
• 免责声明

前端支持按 ModelScope / OpenCode Zen 分组选择模型，并展示当前 IP 的本站每日剩余分析次数。目前每个 IP 每天 20 次免费分析额度。

它会检查哪些方向

当前内置的分析思路主要包括：

• 图片复用风险：如 figure/subfigure、Western blot、显微图、流式图是否存在复用、旋转、翻转、裁剪等线索。
• 数据异常：如标准差过于整齐、p 值分布可疑、重复实验结果过于完美。
• 统计异常：如小样本得到极显著结果、统计方法和数据类型不匹配、选择性报告。
• 方法学矛盾：如样本量、实验条件、方法描述和结果表格之间互相冲突。
• 产出和时间线异常：如实验周期、投稿时间、试剂设备上市时间之间存在明显不合理之处。

当前版本主要处理文本。涉及真正的图片复用、拼接、像素级取证，仍然需要专业图像工具和人工复核。

重要边界

AI 只能做初筛，不能做最终判定。

它可能误报。一处图片标注错误，可能是排版疏忽；一组统计结果看起来整齐，也可能来自特殊实验设计。

它也可能漏报。复杂的图像操纵、跨论文图片复用、原始数据异常，很多需要专业工具、人工经验和外部数据库交叉验证。

所以这个项目不是裁判，也不是自动打假神器。

它只是一个入口。一个把检查成本降下来的入口。

致谢

本项目的学术打假分析框架受到 wooly99/geng-academic-fraud-detector 的启发，并向「耿同学讲故事」所代表的学术监督精神致敬🫡。

我理解的“耿同学精神”，不是简单地喊打喊杀，也不是用情绪替代证据。

它更接近四件事：有勇气提出问题，用证据说话，把复杂问题讲到普通人也能看懂，质疑论文但不搞人身攻击。

这个项目希望延续这种有证据、有公心、讲逻辑、可复核的方式，把学术诚信初筛做成更低门槛的公益工具。

欢迎参与

这个项目还很早期，欢迎贡献：

• 可免费调用的大模型 API
• 更适合学术论文分析的 prompt
• PDF / DOCX 提取优化方案
• 图像取证工具链
• PubPeer、Retraction Watch 等公开信息的检索接口
• 更好的限流、防滥用和隐私设计
• 前端 UI 改进

欢迎提 issue 或 pull request。

技术实现

• 前端：React + Vite
• 部署：Cloudflare Pages
• 后端：Cloudflare Pages Functions
• 限流：Cloudflare KV
• 模型：OpenAI-compatible providers，目前接入 ModelScope 和 OpenCode Zen
• 文档解析：浏览器端提取 PDF / DOCX / TXT 文本

模型额度说明

ModelScope 和 OpenCode Zen 当前接入的是 OpenAI-compatible chat completions 接口。ModelScope 可通过 /v1/models 列出模型，OpenCode Zen 可直接调用指定免费模型；二者都没有在当前接入路径中提供“按模型剩余调用次数”的标准字段。

因此页面展示的是本站 KV 限流中的当前 IP 每日剩余次数，所有模型共享该次数。

本地开发

npm install
cp .dev.vars.example .dev.vars
npm run dev

只调试静态前端时用 npm run dev。需要连 Pages Functions 时：

npm run build
npm run pages:dev

Cloudflare 配置

在 Cloudflare Pages 项目中配置环境变量：

• MODELSCOPE_API_KEY
• MODELSCOPE_BASE_URL
• MODELSCOPE_MODEL
• OPENCODE_ZEN_API_KEY
• DEFAULT_PROVIDER_ID
• DAILY_IP_LIMIT
• MAX_TEXT_CHARS

可选绑定：

• KV: RATE_LIMIT
• R2: PAPER_UPLOADS

生产环境不要使用 Cloudflare Global API Key 写入仓库；用最小权限 API Token。