回答这个问题的时候，我有点怕了，都是匿名大佬，难不成......?细思极恐，我导不会发现我吧！其实对于不开源代码的论文，其实很容易看出他是不是”编“的。
01. 如果这篇论文是SCI一区二区（虽然二区也有水刊......）
偏重于”数理算法的推导与创新，纯研究”底层数学公式“的，不是简单的改进“，那么它大概率不是编的。
按照正常人的想法，你既然敢编数据，是因为你做不出来，或者没有那么强的专业知识底蕴，难道你还敢直接编理论吗？不怕专家看不懂，推导不出来？你的结果准备编什么样的？编的过于精准，超过国内外一线学术水准，你怕不怕？
恭喜我学院又出一名”年轻准院士！“，重大学术发现！
海对面某研究所知名学者：Oh,shit ! I can't even understand the first letter of this mathematical formula ! Fuck !（国外专家其实还是很有素质的，比较严谨、风趣、绅士）
很多人喜欢反推论文，比如这个课题，我找了很多篇paper，一个个看，一个个对比精度，看人家都是什么区间，用了什么方法，然后先把结果给你算出来，合理即可，从后往前反推，抄理论+模仿画图，图画的还挺精美你别说，这种有“高手”存在，而且即使专家亲自“掌眼”，也不一定都能看出来。那你说这个是真的还是假的，界定问题罢了，人家没做，但合理，就很抽象。
所以即便他不开源代码，也情有可原，这算是个人”绝活“，轻易不会让别人学去。但SCI在开源社区比例中，占比是最大的，经得起推敲，积累学术声望的大佬，往往会”不吝赐教“。不开源的不代表就是编的，自行分辨。
02.如果论文水准在三区四区这种，则需要看他做的是什么
如果这个方法很普通，但结果异常精准，两种情况，一个就是”编的，也就是修改过精度的“，另一个就是”他把实验算的最好的结果放里面了”，不足以完全代表这个方法的“有效性”，也很正常，毕竟学术二十年怪现象。
其实很多三区四区的论文，从等级上来看，没有一区二区高，但并不代表质量比他们差，很可能由于这些期刊每年发文量很少很少，审稿也很慢，一拖就是一年半载，国内很多学者由于“时间原因、评职称、加分、毕业等等”，拖不起，也就不投这个，所以因子一直没上去。
这种情况他不开源代码，一是本身“就怕你看”，结果经不起检验，而且也没非要规定“开源”，所以就钻了空子。
另一种情况就是“这篇文章是他耗费很多心血做的”，不舍得开源，很可能接下来的论文还得靠这套程序+算法，甚至连本实验室的师弟师妹都不给看，看完我还活不活了？也正常，毕竟是个人的知识劳动成果。
最后一种情况是，论文程序开源了，你可能没找到，因为他没写在文章里。最后一种情况就很慷慨了，让更多科研工作者有了参照与学习依据，行业内整体学术水平，都会潜移默化提高。过段时间，基于这种算法的中英文paper，就开始多了起来......
我见过开源没多久，论文直接写出来的，而且还见刊了！看来有时候做学术也得玩个“信息差”，受教了。
03.中文期刊里，E I 这种的，很多时候没有“人脉”你发不上去
第一作者是谁？是“大牛”吗？还是“大角牛”？如果是后者，你做的再天花乱坠，该回哪去还得回哪去。如果是前者，那么录用几率就会大大增加，二作是大牛也有效，毕竟编辑和各院校知名学者都有“潜在”交情，这个不详谈。
所以有时候你的paper层次，能达到 E I，那么不如搞个SCI，改一改润色润色，加分还高，审核还快，也没那么多人情世故，一切全靠“运气点”，梭哈，干就完了！
这种 E I 如果是大牛写的，他基本不会太“胡编”，但会把精度最好的一组数据放上面，告诉众人，我这个算法就是好，结果提升就是这么强！如果有人反驳（基本没人反驳），那也有理由，不行你来算？是不是编的？
读研期间，我给一个课题组发过邮件，当时就着重问了一下“精度怎么这么高，是不是修改某某参数的原因？“对方回答的是组里一个学生，大概意识是，挑的最好的数据算的，没办法......你看这......
对于核心及以下的论文，这个编造程度就会大大提高了，因为核心是大多数研究生的首选，有时候都不用你算，只要论文有创新点，前面部分论述充分、干练，中间图片配色高级一点，结果展示详细一点，精度满足要求，选题高端一点，那基本就录用了。
结果随便编，”合理“即可，这里指的是”合理“（细品），因为专家一是看不出来，或者即使看出来了，也不会说你是编的，因为你导师也在二作、三作趴着，都给点面子，否则不成了”大型学术界撕B现场了“？
专家会比较隐含的说，结果欠妥；或者算法叙述不够详实，补充相关部分（让你圆一圆）；或者图表格式问题（让你改一改）；或者精度太高，不足以代表所有”样本性“（意思是让你调低点，你的数据精度太高了）
所以核心期刊基本也不会开源代码，一是编造太多，经不起推敲。二是没必要，给你看他也没任何改变，也不需要积累”学术界口碑“，SO。
虽然核心有很多结果是修改or编造的，但不乏很多优质论文的存在，这里不能以偏概全，核心还是值得大家日常刷一刷的，质量在国内也算T1级，便于增加灵感，有助于”提升复现水准“。
04.还有很多情况，比如期刊水准不高，但是某大牛比较青睐，或者一起举办的
所以这些大牛会把文章发在这里，一些人看了会认为：他怎么才发这种水平的？在这水论文吗？实则不然，人家其实只是想支持支持，或者应期刊邀请而已。
这种情况，大牛一般不会把绝活拿出来，可能发发综述，或者挂个二作，让课题组人来撰写，也是偏重于科普理论类，这种也不需要开源代码，也没代码可开源。
05.代码不开源，那么你的”学术平台“就很重要了！
研一阶段其实我就开始“刻意”复现他人的论文成果，以当时的水平，其实只能做到不足20%（仅限于自身专业领域），首先我会看他用了什么方法，用了什么工具，我就跟着模仿，前期偏重于复现“数据分析”类，这种论文本身层次不是很高，但数据量极大，并且对于算法的改进不是很“变态”，所以可实操性很强。
所以话又说回来，为什么其他论文复现不出来呢？对于理论的学习其实并不难，勤劳一点就OK了，对于数理公式的推导，只要每天写个小本上，揣兜里，天天看天天算，我不信一周之内算不出来。
问题在于“算法的实现过程”，也就是程序，我搞不出来，论文后面没有开源代码，论文里写的也是“只言片语”。很多重要的参数细节，他不会都给你写在上面，如果都写出来了，让你学去，他还研不研究了。
所以读研读博有能力的话，一定要去一所好学校，最起码设施齐全，师资力量够强，课题组有你感兴趣、能做、能支撑你做的东西，有一定资源支持，你的学术生涯会更加顺利。
人有时候就是“顺势而为”，你再努力，可是没有相关资源，研究了几个月半年，回头想想还是原地踏步，有的人一开始平台就是高的，做的内容你没见过，或者你周围没人做过，你也永远接触不到，很现实！
我隔壁实验室某博导曾经说过一句话，原话：
我*，你t m论文不能这么写，把***部分去掉，咱们组的绝活，大概写写就行了，让专家看懂就行。
我当时也惊了，我说这小论文怎么看着“不错”，但按照它的方法去走，结果就是不对呢？因为关键信息人家没写在上面啊，有时候一个参数的改动，你就得耗费很久很久，改不对你的结果就是错的，如果你非要钻牛角尖，一直改一直不对，那就先别搞了，有可能对方是“编的”，离了个大谱！
最后祝各位学术工作者，多出成果，注意身体，注意发量！
