「OpenAI工程师说大厂几乎不看论文，因为大部分都是造假」——这句话这两天顶上了知乎热榜，问题底下的追问也扎心：你有没有踩过论文复现不了的坑？有没有见过用测试集标签选参数，等于偷看答案再答题的操作？## 一句话是怎么冒出来的
热榜上的问题措辞很直接：现在大多数大型实验室的人几乎不看论文，理由是大部分论文都是造假的。这句话被单独摘出来当成问题标题，后面跟着两个具体场景的追问——论文跑不出论文里写的结果，以及拿测试集的标签去反推参数，再拿这组参数去刷分。
后面那种做法，知乎问题里给了个挺形象的说法：等于先偷看答案，再假装自己做对了题。放到审稿和复现的语境里，意思是数字好看，方法未必站得住。
牵涉到的人
这句话的出处，据网传是一位自称在OpenAI工作的工程师，但知乎问题本身没有给出具名信息，也没有链接可以核实身份、职位、发言场合。换句话说,「OpenAI工程师」目前只是一个标签，不是一个可以对上号的人。
另一头是知乎评论区里的从业者。有人翻出自己复现失败的经历，有人聊起同行用测试集标签调参数这种打擦边球的做法。这些回答构成了热榜讨论的主体，但同样是个人陈述，没有公开的论文编号或机构名字可查。
事情怎么走到今天
论文数量这些年涨得快，顶会投稿量一年比一年多，审稿人时间有限，复现率一直是圈内老话题，只是平时没多少人愿意公开说。这次是因为把「造假」两个字直接摆上台面，才从一个技术圈内的抱怨，变成了热榜话题。
类似的AI大厂内部争议，这两年不是第一次冒头。之前张一鸣叫停AI蒸馏那阵子,也是一句内部说法被搬到台面上，才引出后面一连串讨论。这次的区别是，连说话人是谁都还没搞清楚。
几个说不通的地方
第一,「几乎不看论文」和「大部分都是造假」,这两个判断分量都不轻，但问题原文没给任何数字或案例支撑，听起来更像个人观感的放大。
第二，论文跑不出结果和论文造假，是两件不一样的事。前者可能是复现条件没写全、代码没开源、环境不一致；后者是刻意作假。两者混在一句话里说，容易把普通的复现难，说成蓄意造假。
第三，用测试集标签选参数，算不算造假，业内没有统一说法。有人认为这是方法论上的硬伤，也有人觉得只是没把训练集和测试集分干净的失误。程度不一样，性质也不一样。
第四，说这话的人身份还没坐实。类似的身份核实，之前梁文峰早期微博被扒的那次也是先有一句话，后面才慢慢有人去对信息源。这次热榜问题目前还停在「据说」的阶段。
最值得继续盯的疑点
这句话能不能对上具体的人、具体的实验室、具体的论文，是接下来最该盯的地方。学术圈类似的信源核实,南大数院辞职信来源起底那次也是拖了一阵子才有更清楚的说法。这次要是有人能把「OpenAI工程师」这个标签坐实，或者反过来证伪，热度大概率还会再涨一轮。
读者最关心的几件事
这位「OpenAI工程师」具体是谁？
知乎问题里没有具名信息，目前只是一个未经核实的说法。
「用测试集标签选参数」到底是什么意思？
简单说就是拿测试集里本该保密的答案，反过来去调整模型参数，再用这组参数去跑测试集打分，分数自然好看，但不代表模型真的学到了东西。
论文复现失败和论文造假是一回事吗？
不是。复现失败可能是条件没写清楚、代码没公开、环境差异等技术原因；造假是明知故犯地伪造结果，两者性质不同，不该混着说。
这个说法有没有被OpenAI或者其他大厂回应？
截至目前，没有看到相关方的正面回应。