在过去几年中，围绕学术诚信、科研可复现性以及论文生产机制的讨论正在变得越来越频繁。2023 年，全球撤稿论文数量首次超过 10,000 篇，创下历史纪录，其中相当一部分与虚假论文、同行评审操纵以及规模化的论文工厂有关。[1] Nature 随后的分析进一步指出，在强调论文数量、引用与排名的科研环境中，对“更多、更快“的追求可能同时增加粗糙研究、抄袭以及数据伪造的风险。[2] 2026 年，Nature 又报道了一个更加直接的例子：研究者通过分析数千条网络广告，系统描绘了论文署名买卖与代写服务背后的“学术造假市场“。[3]
与此同时，科研诚信本身也正在从一个专业性的内部问题逐渐进入公众视野。2026 年，中国视频博主“耿同学“（Geng Hongwei）通过公开分析已发表论文，指出其中可能存在的数据异常与图像重复问题，并由此推动多所高校展开调查。Nature 与 Science 分别对此进行了专题报道；Nature 报道称，在相关质疑引发的调查之后，已有多名资深学者受到处分。[4][5] 一个过去往往只能通过同行评议、期刊编辑和机构调查完成的科研诚信审查过程，由此第一次如此鲜明地进入公共传播空间。
Retraction Watch 等平台长期追踪撤稿论文与学术不端案例，也进一步使得“论文是如何出错的”“错误为何未被发现“以及“论文为何最终被撤回“，逐渐成为一个可以被公开观察与讨论的研究对象。在这一背景下，“造假“不再只是一个简单的道德标签，而逐渐成为一个可以被分析的过程：一项不可靠的研究究竟是如何被构造出来的？什么样的数据、图表与论证能够使一个结论看起来可信？同行评审、评价指标、发表压力以及论文写作本身，又在其中发挥了什么作用？
许多所谓的“错误“并非孤立事件，而可能与评价体系、发表机制和方法论惯性共同发生。然而，尽管已有大量严肃研究试图揭示学术不端的机制，我们仍然缺少一种更轻盈的方式去面对它——一种不以惩罚或揭露为唯一目标，而是通过形式上的“模拟“与“夸张“，让这些机制本身变得可见的方式。
《Fake》正是在这一语境下诞生的。
它并不试图替代伦理审查，也不试图对学术共同体作出裁决。相反，它尝试以一种近似“反演“的方式，将科学论文的语言、结构与方法论本身作为材料，去重新组织那些介于真实与虚构之间的研究实践。通过这种方式，我们希望让读者在阅读“像论文一样的文本“时，重新意识到：论文之所以看起来可靠，并不总是因为它真实，而是因为它符合某种被共同接受的表达形式。
在这个意义上，《Fake》更接近一种方法论上的娱乐性实验：它不直接批判造假，而是通过“认真地写一个假的研究“，让造假的结构本身变得可见。
我们相信，有时候，理解一个问题最有效的方式，并不是严肃地解释它，而是把它推到一个略显荒诞但仍然自洽的极端。
《Fake》并不要求研究对象真实存在，也不要求结论能够通过现实世界的实验检验。但我们希望一篇好的 Fake 至少满足一个条件：它提出了一个有趣的问题。
这个问题可以是荒谬的，也可以是日常的，甚至可以是看似毫无必要的，但它最好能够让人产生一种轻微的停顿：
“等等，这件事好像真的可以被研究。”
例如，将短视频消费建模为注意力动力学系统，或尝试用大型语言模型去“证明“某些数学问题的可计算性边界；又或者，将科研写作本身视为一种优化问题，研究“论文可发表性“如何随着引用策略与图表密度变化。
在这些例子中，关键并不在于问题是否真实存在，而在于它是否足够“像一个可以被认真对待的问题“。更重要的是，一旦接受了文章最初那个略显荒唐的前提，后续的推导、实验与论证必须能够自洽地继续下去。我们欢迎微分方程、统计分析、数值模拟、机器学习、理论证明、实验设计、田野调查，以及任何作者认为“在这个假设世界中是必要的工具“。
好的 Fake 往往并不只是“给笑话加上论文格式“，而是让读者在阅读过程中逐渐意识到：如果我们真的按照这种方式思考世界，那么结论也许并没有那么容易被简单否定。
值得注意的是，《Fake》并不是这一轮“学术反讽“中唯一出现的刊物。2026 年初，中国年轻研究者围绕 Rubbish、NoTrue、Silence、Rubbish Communications 等一系列所谓“底刊“形成了一场颇具规模的网络文化现象。Nature 在同年 5 月专门对此进行了报道，并将其描述为年轻科研人员面对科研压力以及学术 “credibility crisis” 时的一种情绪出口。[6] 报道所追溯的起点甚至是一张失败的 western blot 实验图片：一个本应被丢弃的结果，最终成为创办讽刺期刊的契机。
这些刊物的出现本身非常有趣。
它意味着年轻研究者并没有完全抛弃学术论文这种表达形式。恰恰相反，他们对论文的 Abstract、Methods、Figures、peer review、impact factor 和期刊等级如此熟悉，以至于可以准确地复制它们，再把它们全部反过来使用。
《Fake》与这些“底刊“共享一部分相似的文化背景，但我们的定位略有不同。
我们并不将“无厘头“本身作为目标，也不将“搞笑“作为主要评价标准。更重要的是，我们关注的是造假这一行为在结构层面是如何可能发生的。
换句话说，我们关心的不是“有没有造假“，而是：
这个“假“是如何被构造出来的？
它依赖了哪些真实存在的科研机制（例如指标、benchmark、统计显著性或同行评审）？
一个明显错误的结论，是否能够通过一系列局部看似合理的操作，被一步一步制造成“可信的科学“？
它是否反而揭示了“真实“在当代科学语境中的生成方式？
因此，《Fake》并不是对科学的否定，也不是对学术体系的简单戏仿，而是一种对其方法论边界的反身性使用。
在这一过程中，我们尤其强调一个看似矛盾但非常关键的原则：真实数据的存在与使用。
即使结论是虚构的，数据也应当尽可能真实、可追溯，或至少明确其生成机制。我们鼓励作者主动去构造、收集、分析甚至“制造“数据，并在此过程中认真讨论：
数据是如何被生产的？
造假是如何发生的？
哪些环节真正改变了结论？
以及，为什么某些形式的“造假“在系统中反而是有效的？
在这一意义上，《Fake》更接近一种方法论实验，而不是纯粹的文学虚构。
目前已有一批稿件进入编辑与审稿流程，它们大致呈现出我们所期待的方向。
例如，其中一篇工作将经典的“P = NP“问题重新表述为一个机器学习 benchmark 任务，并报告 GPT-9 在 NP-Bench-1M 上取得 87.3% accuracy，从而进一步推导出“P = NP with 87.3% confidence“，并据此引入 benchmark saturation、evaluation collapse 以及 scaling law 外推等一系列理论框架。
这类稿件的关键并不在于结论是否成立，而在于它们揭示了一种正在变得越来越普遍的方法论倾向：当“证明“逐渐被“指标表现“替代时，我们究竟还剩下多少真正的论述空间？
一篇 Fake 可以包含虚构数据、荒谬假设、不存在的实验对象，甚至明显错误的结论，但它必须拥有内部逻辑。
读者不需要相信它是真的，却应该能够理解：为什么要这样假设，为什么采用这种方法，结论如何一步步被推导出来，以及它究竟在讽刺或揭示什么结构性问题。
我们尤其欢迎那些第一眼令人发笑、第二眼却让人停顿的稿件——
“等一下，这好像真的在说一个问题。”
《Fake》目前持续接收新稿件。无论来自物理、数学、计算机、生物、医学、工程、社会科学，还是完全没有学术背景，只要你有一个值得被写成“论文“的问题，我们都欢迎投稿。
它可以是一项完整研究，也可以是一场严肃的思想实验；可以讨论宏大的科学问题，也可以讨论非常微观的日常现象，例如组会时长的统计分布、咖啡摄入与论文修改效率之间的关系，或一个项目文件名如何最终演化为 final_v7_revised_REAL_final.pdf。
科学提供理解世界的方法，而《Fake》有时只是尝试把这种方法，轻微地转向那些原本不被认真对待的地方。
《Fake》现正接受投稿。
如果你有一个荒谬的问题，请认真地研究它。