SLAPBench：用于四指 SLAP 指纹验证的多模态 大语言模型 基准测试

四指 SLAP 指纹是一只手的食指、中指、无名指和小指的平面实时扫描印模，用于边境管制和执法中的身份验证。没有基准评估多模态 大语言模型 (MLLM) 是否可以从 SLAP 图像验证身份。我们推出了 SLAPBench，这是基于 MLLM 的四指 SLAP 指纹验证的第一个基准，由 NIST SD302b 构建，具有 7,832 对（176 个配对，7,656 个非配对）。我们在零样本、任务描述和相似性评分提示下评估了四个开源 MLLM（InternVL3-8B、Qwen2.5-VL-7B、Qwen3-VL-8B、Gemma-3-12B）和专有的 Claude Opus 4.8。提示控制验证行为。任务描述提示将所有四个开源模型崩溃到接近 100% 的错误接受率 (FAR)，并且 Gemma-3-12B 在零样本下也崩溃了； Claude Opus 4.8 单独在两种二进制提示下都可以抵抗崩溃，给出最佳的二进制结果（FAR = 20.2%）。相似性评分消除了开源模型的崩溃并暴露了巨大的能力差距：Claude 达到 AUC = 0.953，Gemma-3-12B 达到 0.837，而 InternVL3-8B 是倒置的 (AUC = 0.590)，Qwen2.5-VL-7B 接近随机 (0.567)。 Qwen3-VL-8B 实现了完美的分离（AUC = 1.000），我们将其视为一种诊断而不是能力：SD302b 在每个手指位置保存一次 SLAP 捕获，因此配对是交叉分辨率。匹配分辨率的控件可以保持完美的分数，排除分辨率捷径； SD302b 中不能排除的是近乎重复的检测，因为配对是一次捕获渲染两次。对性别、种族和年龄的公平调查表明，随着歧视的减弱，差距也在扩大。 SLAPBench 建立了第一个 SLAP 特定的 MLLM 基线，并表明提示控制崩溃，而模型能力控制歧视。