跳到正文
10月10日 · 周六

全部论文

找到 4 篇
筛选5

影响

输出被操纵4

系统形态

模型与 API4多智能体0

层

提示层4模型层4应用层9

系统组件

记忆1护栏与评审8监控器17推理链22微调与开源权重7视觉24音频14视频3图像生成18嵌入3多模态54
同一类里任选其一，不同类之间同时满足；数字是加上其他已选条件后的篇数。另有 277 篇还没打标签，不在筛选结果里。
系统形态：模型与 API系统形态：多智能体层：模型层系统组件：记忆系统组件：视频清除全部

另有 277 篇论文还没打上分类标签，暂不在筛选结果里。

  1. 评测与基准arXiv 2610.06339

    BabelFake：面向多语言音视频 DeepFake 检测的基准数据集

    构建多语言音视频 DeepFake 基准 BabelFake 并评测检测器

    arXiv
    2610.06339
    发表
    层
    模型层
    场景
    模型与 API
    被测模型
    SpeechForensics、AVH-Align、(B)RAVEn
    摘要BabelFake 为五语同意采集基准。

    BabelFake 是经同意与 IRB 批准采集的多语音视频 DeepFake 检测基准，用来把视觉操纵和语音合成拆开比较。

    深度解读完整解读
  3. 评测与基准arXiv 2609.39473

    FAME：用反事实推理评测自主智能体的虚假记忆

    提出 FAME，用反事实概念漂移评测智能体虚假记忆

    arXiv
    2609.39473
    发表
    层
    模型层
    场景
    模型与 API
    被测模型
    Llama-3B
    摘要FAME 用反事实引起的隐状态概念漂移，在出答案前区分忠实记忆与虚假记忆。

    FAME 是一个免训练的评测框架，用来判断自主智能体的记忆在虚假相关、环境偏移或知识冲突下是否已变成虚假记忆。。

    深度解读完整解读
  4. 评测与基准arXiv 2605.18984

    Artifact-Bench：评估 MLLM 检测与诊断 AI 生成视频伪影

    提出 Artifact-Bench，评测 MLLM 检测并诊断 AI 生成视频伪影

    arXiv
    2605.18984
    发表
    层
    模型层
    场景
    模型与 API
    被测模型
    Gemini 3.1 Pro、Gemini 3 Flash、Qwen3-VL 8B-Instruct 等 19 个
    摘要Artifact-Bench 以三项任务评 MLLM 的 AIGC 伪影感知。

    Artifact-Bench 用来看 MLLM 能否发现 AI 生成视频中的伪影，并说明视频为何不真实。

    深度解读完整解读
已经到底了