◇◇新语丝(www.xys.org)(xinyusi.org)(groups.google.com/group/xinyusi)◇◇ 北京大学医学技术研究院院长韩鸿宾的重磅论文涉嫌造假引起国际学术界反响 　　韩鸿宾是北京大学医学技术研究院的院长、北医三院主任医师、原北京大学 科研处副处长（医学部科研处长）、原北京大学校学术委员会委员、国家杰出青 年基金获得者、国际宇航科学院"院士"(不知一位临床医生如何当上宇航科学院 的院士)。 　　2026年10月，一篇由北京大学韩鸿宾（Hongbin Han）等担任共同通讯作者、 发表于国际知名学术期刊 Nature Biomedical Engineering 的研究论文—— Towards a general-purpose foundation model for functional MRI analysis （DOI: 10.1038/s41551-026-01666-y；PubMed 索引页），在国际学术界引发了 罕见的小震动。 　　这篇原本旨在宣告功能磁共振成像（fMRI）通用基础模型 NeuroSTORM 问世 的重磅论文，并未因其在临床神经影像上的技术突破而持续获得赞誉，反而因被 曝出利用计算机伪随机数生成器生成虚拟数字、直接冒充真实实验结果的严重学 术不端嫌疑，沦为全球神经科学、计算生物学及科研诚信领域公开剖析与批评的 焦点。 　　一、 铁证如山：用随机数直接冒充实验结果 　　这场国际学术风波源于同行评议平台 PubPeer 上的一则硬核技术勘验（参 见 PubPeer 讨论帖 #EFB5C468100FD85BE8CC935CC960F7）。 　　在论文正文中，作者团队声称基于约5万名受试者、总计965万帧4D脑功能磁 共振数据完成了模型预训练，并在包含17种疾病的临床多中心队列及多项下游任 务中取得了全面领先的实验指标。然而，当审查者调取该论文随刊公布的底层源 数据（Source Data）进行数学特征核查时，发现了一个荒谬的事实：论文图表 中本应来自真实磁共振实验与模型推理的数据点，实际上是由 Python 的 numpy 伪随机数生成器在设定默认随机种子 seed = 42 的条件下直接生成的。 　　经过简单线性变换比对，论文发表的“实验数据”与 np.random.seed(42) 产生的纯随机数序列之间，皮尔逊相关系数（Pearson's $r$）竟然高达 0.999999996 以上。 　　在计算机科学与统计学中，这一定量结果封死了所有“巧合”的解释空间： 　　数学上的绝对同源性：真实的医疗影像信号与深度学习模型的评估输出受制 于复杂的生物物理噪声与高维非线性映射，绝无可能在小数点后八位以上的精度 上与一段基础伪随机数序列保持严格的线性一致。 　　默认种子 42 的指向性：42 是编程界与大语言模型（LLM）编写示例脚本时 最泛滥的默认随机种子。要在随机碰撞中凑出 $r$ 大于 $0.999999996$ 的吻合 度，需要遍历数万亿个不同的种子；而唯一吻合的序列偏偏是全世界最常用的默 认种子 42。这直接证明：图表中所展示的所谓“实验数据”，根本不是从真实 的医院磁共振扫描或模型测试中得出的，而是由几行随机数代码凭空捏造并直接 填入论文的合成数据（Synthetic Data）。 　　二、 国际学术界的强烈反响与公开谴责 　　用如此初级的代码技巧伪造实验数据并登上 Nature 大子刊，迅速在 Bluesky、Mastodon 和 Substack 等国际主流学术社区激起了千层浪。多位国际 知名学者对此表达了震惊与严厉批评（读者可点击相应链接查看原始讨论）： 　　知名科学评论家 Neuroskeptic：于10月12日率先在 Bluesky 发布原始曝光 帖，感叹该报告显示数据点与特定种子随机数的相关性超过 $0.999999996$，他 反学术不端20年来第一次遇到；随后于10月18日在 Substack 发表深度调查长文 《科学侦探中的福尔摩斯？一位匿名发帖者如何破解随机数据之谜》（The Sherlock Holmes of Science Sleuths? How an anonymous poster cracked the case of the random data），向全球学界详尽复盘了这一利用随机数冒充 实验数据的铁证。 　　得克萨斯大学奥斯汀分校著名计算生物学家 Claus Wilke：在其 Bluesky 学术主页公开评论中直指其数据造假本质：“这太荒谬了。如果你打算用随机数 生成器来编造数据（make up data），至少应该聪明一点，别用 42 当你的随机 种子。”同时他还引用了自己撰写的专题博文《如果你的随机种子是42，我会去 你办公室烧了你的电脑》来讽刺这种低劣的操作。 　　伦敦帝国理工学院计算神经科学家 Dan Goodman：在 Bluesky 讨论串中对 这种明目张胆的造假手段表示不可思议：“他们居然使用 seed(42) 来生成假数 据（fake data），这反而让别人能够分毫不差地逆向复现出他们的数据生成流 水线。” 　　英国谢菲尔德大学认知科学教授 Tom Stafford：在 Mastodon 个人主页发 文指出：“当你公开发表的实验数据能够被 numpy 随机数生成器用 42 号种子 分毫不差地复现出来时，这真是一场灾难。” 　　数据可视化与认知科学研究者 Steve Haroz：在 Bluesky 评论中一针见血 地指出：“使用种子 42 是大语言模型（LLM）生成代码的典型印记 （hallmark）”，并附上相关技术分析《随机种子与棕色M&M豆》。 　　广泛的学界声讨：法国国家科学研究中心（CNRS）神经科学家及 PubPeer 核心成员 Boris Barbour（Mastodon 主页）、美国东北大学神经科学家 Jonathan Peelle（Bluesky 主页）、著名统计学家 Max Kuhn（Bluesky 主页） 等大批学者纷纷转发跟进。更有科研诚信关注者（Daniel A. Walker）在与知名 学术打假侦探 Sholto David（Bluesky 主页）的互动中警告称，这种直接用伪 随机数发生器批量伪造数值型实验数据集的行为，比传统的“PS篡改生物医学图 像”更加令人不寒而栗，意味着学术造假正在向更隐蔽、更工业化的纯数字生成 演变。 　　三、 学术不端定性的拷问 　　围绕韩鸿宾等人这篇论文的讨论，在学术伦理与科研诚信层面已经指向了极 其严厉的定性： 　　1. 典型的“无中生有”型数据造假（Data Fabrication） 　　在国际科研诚信规范（如美国科研诚信办公室 ORI 对学术不端的定义及中 国科技部等二十二部门联合印发的《科研失信行为调查处理规则》）中，学术不 端最核心的罪状即伪造（Fabrication）、篡改（Falsification）与剽窃 （Plagiarism）。 用 numpy 伪随机数序列冒充经过大型临床队列验证的模型实 验输出，属于最典型的数据伪造（Fabrication）——即并未进行真实的实验测 量或计算评估，或者在真实实验无法达到预期效果时，直接通过数学脚本凭空编 造出符合论文叙事的理想数据点。 　　2. 无法开脱的“占位符误用”辩解 　　在类似事件中，涉事团队往往试图以“代码管理失误”或“大语言模型生成 绘图脚本时留下的占位数据（Placeholder Data）未及时替换”作为抗辩理由。 然而，在严肃的学术伦理审查中，这一借口非但不能免责，反而暴露出更恶劣的 科研失范： 　　如果在长达数月的论文撰写、内部审阅、21家机构共同作者确认、多轮同行 评审以及最终提交 Source Data 原始表格的全过程中，没有任何一位作者核查 过图表中数据的真实来源，任由一段虚拟随机数充当核心结果发表，这本身就构 成了极其严重的失职与科研不端。 　　更关键的是，只有当研究团队在相应评估任务上缺乏真实可靠的实验产出时， 才会出现用虚拟生成的随机数去“填补”图表空白的荒唐局面。 　　3. 通讯作者的连带责任 　　作为该论文的共同通讯作者，北京大学韩鸿宾（同时署名北京大学医学部医 学技术研究院、北医三院等机构）等资深学者在论文的学术质量把关、数据真实 性核查以及科学伦理合规上负有不可推卸的直接责任。在医学人工智能与临床神 经影像的跨国合作中，通讯作者不仅享受着顶级期刊带来的学术声誉，更在学术 规范上承担着为全体署名者“背书”的义务。 　　根据Pubpeer上的质疑，这篇文章不仅有用随机数冒充实验数据的嫌疑，还 有大量实验结果数据平移的嫌疑。 　　一篇北京大学署名、国家自然科学基金重大项目（No,62394314）资助的 Nature Biomedical Engineering 论文，最终却因为一行再基础不过的 np.random.seed(42) 代码而在国际学术界名誉扫地。 　　北京大学 Hongbin Han 等人的这篇文章之所以在国际学界引起如此强烈的 反响，是因为它以一种近乎荒诞的方式，撕开了当前部分“AI + 医学”研究追 求宏大叙事与顶刊光环、却在底层数据上弄虚作假的遮羞布。高达 $0.999999996$ 的相关性将伪随机数造假的铁证钉在 PubPeer 的公示栏主页第 二名。这起事件不仅是对北京大学科研诚信机制的严峻拷问，也为整个学术界敲 响了防范“数字合成造假”的沉重警钟。 　　附：核心参考与查证链接汇总 　　涉事论文原文（Nature Biomedical Engineering）： https://doi.org/10.1038/s41551-026-01666-y 　　PubMed 论文与作者机构元数据： https://pubmed.ncbi.nlm.nih.gov/42026120/ 　　PubPeer 原始质疑与复现讨论串： https://pubpeer.com/publications/EFB5C468100FD85BE8CC935CC960F7 　　Neuroskeptic 深度调查长文（Substack）： https://neuroskepticbsky.substack.com/p/the-sherlock-holmes-of-science -sleuths 　　Neuroskeptic 原始曝光帖（Bluesky）： https://bsky.app/profile/neuroskeptic.bsky.social/post/3mxobyl3vms2f 　　Claus Wilke 教授关于 seed(42) 的评论与博客： https://bsky.app/profile/clauswilke.com 及 https://clauswilke.com/blog/2026/02/15/random-seeds-and-brown-mms/ 　　Tom Stafford 教授公开评论（Mastodon）： https://mastodon.online/@tomstafford 　　国际出版伦理委员会（COPE）撤稿指南： https://publicationethics.org/retraction-guidelines (XYS20261020) ◇◇新语丝(www.xys.org)(xinyusi.org)(groups.google.com/group/xinyusi)◇◇