AEGIS：评估人工智能生成的学术图像取证分析的整体基准

我们推出 AEGIS，这是一个评估人工智能生成的学术图像取证分析的整体基准。与现有基准相比，AEGIS 具有三个关键优势：（1）领域特定复杂性：涵盖 7 个学术类别，39 个细粒度子类型，暴露了固有的取证难度，即使 GPT-5.1 也达到了 48.80% 的整体性能，而专家模型仅实现有限的定位精度（IoU 30.09%）； (2) 多样化的伪造模拟：在 25 个生成模型中对四种流行的学术伪造策略进行建模，其中 11 个生成的平均取证准确度低于 50%，表明取证学落后于生成的进步； (3) 多维取证评估：联合评估检测、推理和定位，揭示模型系列之间的互补优势，多模态 大语言模型 (MLLM) 在文本工件识别方面的准确率达到 84.74%，专家检测器在二进制真实性检测方面的准确率达到 79.54% 的峰值。通过评估 25 个领先的 MLLM、9 个专家模型以及一个统一的多模态理解和生成模型，AEGIS 作为一个诊断测试台，暴露了学术图像取证的基本局限性。