跳到正文
10月12日 · 周一

全部论文

找到 5篇
筛选2

影响

输出被操纵4

系统形态

模型与 API4

层

模型层5

系统组件

护栏与评审5监控器5推理链6视觉8音频4视频5图像生成3多模态16
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 233篇还没打标签，不在筛选结果里。
层：模型层系统组件：视频清除全部

另有233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
  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
  5. 评测与基准arXiv 2512.03992

    DIQ-H 基准与 VGIR 框架：评估 VLM 在对抗视觉条件下的鲁棒性

    提出 DIQ-H 基准，评测 VLM 在连续退化视觉流中的幻觉残留与恢复

    arXiv
    2512.03992
    发表
    层
    模型层
    场景
    模型与 API
    被测模型
    LLaVA-7B-strict、InternVL2-8B-strict、Phi-3-Vision-strict 等17个
    摘要DIQ-H 用连续退化视频测幻觉延续与恢复，VIR 用不确定性过滤生成伪标注。

    DIQ-H 评测 VLM 在连续视觉退化中的幻觉、恢复和跨时间一致性。VIR 用轻量模型的不确定性过滤生成伪真值。

    深度解读完整解读
已经到底了