看了之前那篇被刪掉的吐槽文，我覺得吐的槽算是valid，但絕對上升不到學術不端的程度。我憑借記憶回憶一下那位知友吐的槽：
一大類問題是在github上提issue問用了多少GPU之類的細節（影響了batch size），repo作者答不上來直接關閉issue。這一類問題，大家經常做實驗的可以捫心自問，是不是有些中了大獎的實驗找不回詳細參數的？當然作為優秀的研究機構，在模型管理上不嚴謹是值得詬病，但你要說這屬於學術不端，未免太小題大做了吧？
類似的幾個問題都集中在一個焦點：sota無法復現。甚至吐槽的知友還很明確的提出：我不關心你公開的模型是不是sota，我只關心你怎麽訓練出來的sota。我理解，作為學術界的研究者，要出論文要刷sota，搞一點incremental innovation，首先得復現sota，否則所謂刷sota是無從談起的。但你不得不承認妄圖復現一個訓練中偶爾中的大獎幾乎不可能，各種超參數不提，最大的影響因素是系統的隨機性，所以比較好的論文會反復做實驗提供每一個超參數點的variance。但現在這些BEV模型的訓練如此昂貴，每一個超參數都訓練10次並不現實。
UniAD，OccNet，都屬於結構類似，思想類似，提供了公開模型佐證其有效性的，對於我，從業者而言，這就足夠solid了，省掉幾百個W是至少的。至於能否基於nuScenes復現整個訓練過程，拜托，那是刷點的研究者們在乎的事情好嗎？我為什麽要在這麽一個只能做PoC的弱雞數據集上復現？
吐槽的知友花費無數時間和計算資源之後復現不出sota那種憤怒的心情完全可以理解，我的想法仍然是相反的，能夠復現訓練屬於加分項，只要公開的模型能sota，這篇文章就不能屬於學術不端了，除非他用了一些沒公開的trick或者數據進行了額外的操作，比如在什麽inhouse超大規模數據集上預訓練之類的。
不過確實有一篇論文，沒有放出sota的模型，只有程式碼，那麽這篇論文是否學術不端確實是存疑的。這是各式吐槽中唯一一條我覺得值得討論的。不過那論文也不是他們的明星論文，我也就無所謂了。因為只要沒有放出sota模型的論文，我現在一律不信。
還有一大類問題是吐槽復制黏貼別人的程式碼，這個我就不提了，這屬於值得鼓勵的行為哈，請大家在版權允許範圍內加大復制黏貼的力度。
最後，OpenDriveLab是上海AI Lab的一個實驗室，吐槽的知友列舉的一些文章有些其實並不是OpenDriveLab的文章，OpenDriveLab是那個出BEVFormer和UniAD的實驗室，明星論文一般是這個實驗室的。上海AI Lab還有其他自動駕駛相關的課題，其實和OpenDriveLab關系不大，不可等同視之哈。
