arXiv来源发表:
图像真假之外还有一问：EviScene让智能体查证画面情境，证据充分率52.26%
核心概要
图像事实性评估不再只问画面是否由AI生成，EviScene让多模态智能体边查边改问题，在1527张测试图上把平衡准确率提到79.05%，证据充分率52.26%。
深度剖析
图像事实性评估被单独提出来：给一张图和一条通用核查指令，系统要判断画面所描述的情境是否有事实支撑，并给出有证据依据的解释。 此前的判断停在图像是否由AI生成，而生成与否并不能说明画面情境是否成立。 EviLens基准收录10174张支持与反驳图像，来自受控构造和网络采集，覆盖十二类事实错误，同时评估判定准确率与证据充分性。
EviScene把视觉检查、外部检索和证据分析交替进行，用新发现改写待查问题，并回头重看图像中相关的细节。 它采用多模态ReAct智能体，即推理与行动交替的智能体循环，而不是一次性给出判定。 紧凑策略先在经审核的教师轨迹上做监督微调，再对策略自身调查中经核实的决策做特权在线自蒸馏。
在1527张图像的测试集上，训练后的Qwen3.5-9B智能体取得79.05%平衡准确率和52.26%的严格证据充分率。 同一骨干的基座智能体分别低6.71和9.37个百分点。 其严格证据充分率在被评估的智能体中最高。
启示与展望
这项工作面向需要判断图像情境是否有事实支撑的核查场景，读者是图像取证、事实核查与多模态智能体方向的研究人员。评估在EviLens基准的1527张测试图像上进行，覆盖受控构造与网络采集两类来源。代码、模型与数据计划在GitHub和Hugging Face公开。
证据充分率52.26%表明，判定正确与解释证据足够仍是两件事，多数情况下证据充分性尚未达到严格标准。十二类事实错误与两类图像来源构成当前评估范围，其他错误类型与来源是否同样适用尚未说明。