但是从被发现的可能性程度上来说，编造发现的难度要远远高于抄袭了。例如像计算机专业这种还可以跑代码复现一下，但是毕业论文一般也不公开代码，也没有办法举证。

如果生物，化学之类的就更麻烦了，像今年的韩国室温超导事件，也是追了两个月的大事件，最后也是众说纷纭，没办法证明真真假假。

如果你编造也就编造吧，其实问题不大。但是要讲究逻辑自洽，个别指标要和同行差不多层次。

我看过知网上不少密码学相关的硕士论文，里面的测速环节基本就是编造的，因为手里面对比的论文还是90年代电脑跑出来的速度，你一个2020年代电脑说1s只能跑几百个aes块，经过你的一通改造提升了多少百分点。

事实上，我手中19年低端笔记本跑加密算法都是1秒几十万个块了。如果你想复刻原始条件，你得去古董市场淘淘看有没有了。

但是我也没证据，有证据也不会多管闲事，老师没看出来，那这个事情就这么过去了。

其实你如果要开始编造，先说明我只是给出一些建议，但是我不推荐你去做这件事情。

首先，要平衡好已有数据和成果大小的关系。太小了，老师说没有价值。太大了，老师又开始怀疑。建议采用部分数据突出，但是部分数据落后。比如你提高了整体的效率，但是你说这样的工作繁琐（代码量多，合成路径复杂），这样就显得这个成果很理直气壮了，因为你的成果是靠牺牲了一些数据来实现的。

接着要平衡好可展示数据和不可展示数据。比如你做了一个管理系统，那前端肯定要做好，后端呢？你设置点运行时候环境就跑错的东西。

具体怎么设置？

你可以同时利用Python3.11的特性和Python3.11抛弃的特性，老师无论装哪个版本Python，总会报错的。如果是深度学习的话，它环境配置本来就很复杂，你可以自己研究一下。

如果是生物或者其他，你就挑一些表现好的样本出来，拍拍照片。

最终再次声明，本人不建议编造论文，但是编造论文是非常常见的手段，即使是院士级别，所以也别有太大心理负担。