看了之前那篇被删掉的吐槽文，我觉得吐的槽算是valid，但绝对上升不到学术不端的程度。我凭借记忆回忆一下那位知友吐的槽：
一大类问题是在github上提issue问用了多少GPU之类的细节（影响了batch size），repo作者答不上来直接关闭issue。这一类问题，大家经常做实验的可以扪心自问，是不是有些中了大奖的实验找不回详细参数的？当然作为优秀的研究机构，在模型管理上不严谨是值得诟病，但你要说这属于学术不端，未免太小题大做了吧？
类似的几个问题都集中在一个焦点：sota无法复现。甚至吐槽的知友还很明确的提出：我不关心你公开的模型是不是sota，我只关心你怎么训练出来的sota。我理解，作为学术界的研究者，要出论文要刷sota，搞一点incremental innovation，首先得复现sota，否则所谓刷sota是无从谈起的。但你不得不承认妄图复现一个训练中偶尔中的大奖几乎不可能，各种超参数不提，最大的影响因素是系统的随机性，所以比较好的论文会反复做实验提供每一个超参数点的variance。但现在这些BEV模型的训练如此昂贵，每一个超参数都训练10次并不现实。
UniAD，OccNet，都属于结构类似，思想类似，提供了公开模型佐证其有效性的，对于我，从业者而言，这就足够solid了，省掉几百个W是至少的。至于能否基于nuScenes复现整个训练过程，拜托，那是刷点的研究者们在乎的事情好吗？我为什么要在这么一个只能做PoC的弱鸡数据集上复现？
吐槽的知友花费无数时间和计算资源之后复现不出sota那种愤怒的心情完全可以理解，我的想法仍然是相反的，能够复现训练属于加分项，只要公开的模型能sota，这篇文章就不能属于学术不端了，除非他用了一些没公开的trick或者数据进行了额外的操作，比如在什么inhouse超大规模数据集上预训练之类的。
不过确实有一篇论文，没有放出sota的模型，只有代码，那么这篇论文是否学术不端确实是存疑的。这是各式吐槽中唯一一条我觉得值得讨论的。不过那论文也不是他们的明星论文，我也就无所谓了。因为只要没有放出sota模型的论文，我现在一律不信。
还有一大类问题是吐槽复制黏贴别人的代码，这个我就不提了，这属于值得鼓励的行为哈，请大家在版权允许范围内加大复制黏贴的力度。
最后，OpenDriveLab是上海AI Lab的一个实验室，吐槽的知友列举的一些文章有些其实并不是OpenDriveLab的文章，OpenDriveLab是那个出BEVFormer和UniAD的实验室，明星论文一般是这个实验室的。上海AI Lab还有其他自动驾驶相关的课题，其实和OpenDriveLab关系不大，不可等同视之哈。
