⚠️ Experimental — 实验性项目，功能可能不稳定或演进中。
论文内容级学术打假检测器 — 对论文进行数据造假、图片操纵、引用造假、撤稿标记、内文自悖、跨论文重复六类信号筛查，输出严格的结构化报告。
⚖️ 免责声明
- 筛查信号，非定论：本工具输出的是基于统计与图像启发式的筛查信号，存在误报/漏报；统计异常 ≠ 学术不端。
- 不构成指控：报告仅描述检测到的异常信号及其证据位置，不构成对任何论文或作者的任何指控、评判或结论，不具备鉴定或法律效力。
- 必须人工复核：任何后续处理须由领域专家结合原始数据、实验记录与同行评议流程独立判断，本工具不替代上述流程。
- 数据合规：分析仅基于用户提供的论文文本/图片，用户须确保获取渠道合法并遵守版权要求。
| 检测模块 | 方法 | 证据级别 | 运行模式 |
|---|---|---|---|
| 数据造假 | GRIM（均值×样本量整数一致性）、Benford 首位分布、p-curve | 硬证据 / 软信号 | 🆓 Free |
| 图片操纵 | pHash 感知哈希（文内图复用）、ELA 错误水平分析、RegionReuse 面板级复用（多尺度网格）、BandELA 条带级错误水平分析、LaneReuse 泳道级重复（相关系数+像素差双重判据） | 硬证据 / 软信号 | 🆓 Free |
| 跨论文重复 | 跨文档 pHash 比对、数据指纹 | 硬证据 | 🆓 Free |
| 引用造假 | DOI 格式校验 + doi.org 存在性解析（联网尽力而为，失败降级） | 硬证据 | 🆓 Free |
| 撤稿标记 | 撤稿关键词 / 元数据交叉核查 | 硬证据 | 🆓 Free |
| 内文自悖 | 数值主张相对偏差比较（NLI 可插拔） | 软信号 | 🆓 Free |
- 确定性算法：所有结论基于确定性算法与规则提取，无模型自由推断，无幻觉风险
- 案例驱动开发：检测器由官方认定的真实造假案例（ORI / Rice 调查 / Pfizer 声明）驱动迭代，8 案例验证矩阵 报告在官方认定位置上的命中情况；独立对照组（3 篇无 WB 图稿的方法学/综述论文，从未参与调参）报告误报。注意：案例与对照组均来自作者自测，尚未经第三方独立复现，详见 AI disclosure。
- 分层置信度引擎：硬证据 0.85+，软信号按 corroboration 分层，内部知识一律封顶 0.60；同一图片上多检测器独立命中（如 LaneReuse + BandELA）自动互相印证并升级置信度
- 论文级筛查：将 lane 级信号聚合成每篇论文一个筛查分，供批量论文优先复核，筛查信号评估文档 报告对照池（232 篇）上的标记率
- 严格 schema：输出 Pydantic 校验的 JSON 报告，同时支持美化 Markdown 导出
- 批量处理：支持目录输入，单文件失败不影响整批
- 离线可用：全部检测本地运行；DOI 存在性核查为联网尽力而为（网络失败自动降级为"不可验证"，不误报）
pip install -e . # 核心功能
pip install -e ".[pdf,docx]" # PDF / Word 支持
pip install -e ".[dev]" # 开发（pytest）📖 全部免费开源：本项目（MIT）包含全部检测能力，包括 DOI 存在性核查与撤稿 标记扫描（原 paperdetective-pro 联网能力已并入核心）。
# 分析单个文件（输出 JSON）
paperdetective analyze --input paper.pdf
# 批量分析整个目录，输出 Markdown 报告
paperdetective analyze --input ./papers/ --markdown --output report.md
# DOI 存在性核查默认免费启用（联网尽力而为，失败自动降级）
paperdetective analyze --input paper.pdf支持格式：.txt / .pdf / .docx / .png / .jpg / .jpeg / .gif / .bmp
from paperdetective.ingest import ingest_path
from paperdetective.analyze import run_detection
from paperdetective.report import to_markdown
docs = [ingest_path("paper.pdf")]
result = run_detection(docs, pro=False)
print(to_markdown(result))整数数据（如 Likert 量表）的均值与样本量必须满足整数一致性：
报告 均值=2.66, n=2 时，总分只能是整数 5 或 6（对应均值 2.5 或 3.0），
2.66 在数学上不可能存在 → GRIM 违规（硬证据，置信度 0.90）。
输入 (PDF/Word/图片/文本, 支持批量)
↓
Phase A: ingest.py — 文本/图片抽取，统一为 Document
↓
Phase B: detect/ — 六类检测器（纯函数，可独立测试）
engine/ — 置信度分层 · 方法冲突仲裁 · 三角验证
↓
Phase C: analyze.py → report.py — 管线编排，输出 JSON / Markdown
paperdetective/
├── ingest.py # 输入抽取（txt/pdf/docx/图片）
├── analyze.py # 检测管线编排
├── report.py # Markdown 报告渲染
├── schemas.py # Pydantic 报告 schema
├── plugins.py # 扩展加载（entry-point，向后兼容）
├── eval.py # gold 标注评估（precision/recall/F1）
├── detect/ # 数据造假 · 图片操纵 · 内文自悖 · 跨论文重复
└── engine/ # 置信度引擎 · 仲裁 · 三角验证
原付费扩展 paperdetective-pro 已归档，其 DOI 核查与撤稿扫描能力已并入
本仓库免费核心。旧扩展仍可通过 paperdetective.pro entry-point 加载（向后兼容）。
python -m pytest # 111 项测试检测器由官方认定的真实造假论文驱动迭代（案例驱动开发）：
| 案例 | 来源 | RegionReuse 命中 | LaneReuse 命中 |
|---|---|---|---|
| Brand et al. 2013 (HER3 western-blot) | ORI 认定 | ✅ Fig6↔Fig7 d=0 精确重复 | ✅ 15 簇（51 对）跨图条带重复 |
| Lukianova-Hleb et al. 2012 (plasmonic nanobubbles) | Rice 调查 | ✅ Fig3 内部重复 | ✅ 4 簇 |
| Yin et al. 2012 (PDK-1) | Pfizer 声明 | ✅ Fig1/Fig2 跨图重复 | ✅ 2 簇 |
| Yin & Nassirpour 2013 (miR-221) | Pfizer 声明 | ✅ 2 簇（Fig6 b6 带泳道 2/5/8 三连 + 3/9） | |
| Bo-Yu et al. 2014 (ANGPTL4) | ORI 认定 | ✅ | ✅ 15 簇（38 对，最大簇 11 泳道跨 3 图） |
| Bo-Yu et al. 2013 (dendritic) | ORI 认定 | ✅ | ✅ 12 簇 |
| Lipid 2014 (PLoS ONE 11:111253) | 撤稿 | ✅ | ✅ 1 簇 |
| ZMARF 2014 (PLoS ONE 9:94830) | 撤稿 | ✅ | ✅ 13 簇 |
LaneReuse 8/8 命中——包括 RegionReuse 漏检的 miR-221 案例：Pfizer 声明认定的 "duplicated bands inside western blots"（Figure 6 泳道三连重复）被泳道级比对直接抓到。 对照组（3 篇无 WB 图稿的方法学/综述论文，独立于调参）LaneReuse 未发现误报（样本量小，不具统计功效）。
→ 完整矩阵与命中/漏检分析见 docs/case-studies/corpus-2026-08.md
- PDF 内嵌图片自动提取
- RegionReuse 面板级图片取证（多尺度网格 + 纹理过滤）
- BandELA 条带级错误水平分析
- LaneReuse 泳道级重复检测（相关系数 + 像素差 + 聚类聚合 + 对照组验证）
- SPRITE 完整实现接入管线
- 独立验证计划：对照组从 3 篇扩到 ≥30 篇（无 WB 图稿论文）；引入 调参集/测试集切分或前瞻性新撤稿论文作为留出集；发布 PR-AUC 与 95% CI。 在此之前，README 中的定量结论仅视为作者自测报告。
- 撤稿标记扫描（已并入免费核心）
- 撤稿数据库（Retraction Watch / Crossref）交叉核查
- NLI 内文自悖（LLM 可插拔）
- HTML / PDF 报告导出
- Web 界面
本项目为 AI 重度辅助开发：AI 助手参与了代码生成、测试编写、文档、重构与 代码审查（提交历史中可见 "Kimi 审查后修复" 等记录）。具体承诺：
- 核心算法与阈值经人工复核：GRIM/SPRITE/Benford/pHash/ELA/LaneReuse 等 检测逻辑与参数取值均有源码级人工审查，非模型自动断言。
- 评测结论自证局限已披露：8 案例命中、对照组误报等结论目前均来自作者 自测管线，尚无第三方独立复现；对照组样本量（3 篇）不具统计功效，"零误报" 表述应理解为"当前自测未发现"，而非统计学意义上的保证。
- 对打假工具的公信力承诺：若您发现任何夸大或不实的表述，请开 issue 指正 ——准确性优先于宣传。
MIT — 见 LICENSE。全部检测能力（含 DOI 核查与撤稿扫描） 均为免费开源。