🔎 AIGC 检测¶
🧠 NeurIPS2026 · 14 篇论文解读
📌 同领域跨会议浏览: 🎞️ ECCV2026 (9) · 📷 CVPR2026 (10) · 🔬 ICLR2026 (30) · 💬 ACL2026 (17) · 🧪 ICML2026 (11) · 🤖 AAAI2026 (2)
🔥 高频主题: LLM ×3
- BIAS-ID: A Framework for Analyzing Transformation Biases in AI-Generated Image Detectors
-
提出了 BIAS-ID 分析框架,通过直接分析检测器输出概率的“分数偏移”与聚合变换敏感度指标,系统量化了常见图像变换对 AI 生成图像检测器的方向性偏置。
- BIAS-ID: A Framework for Analyzing Transformation Biases in AI-Generated Image Detection
-
针对AI生成图像检测器在现实分布下频频失效的痛点,本文提出了评估与量化训练数据微观变换偏差的BIAS-ID分析框架,通过分数偏移(Score Shift)与聚合变换敏感度(ATS)直接解耦了检测器的固有偏差与鲁棒性缺失。
- BusterX: MLLM-Powered AI-Generated Video Forgery Detection and Explanation
-
本文构建了首个包含超 20 万高质量视频的双轴渐进式评测基准 GenBuster 与基线模型 BusterX,抛弃黑盒二分类范式,通过防熵塌缩强化学习(DAPO)直接激发多模态大模型的自发时空物理长链推理,实现了高精度且具备司法解释力的视频伪造取证。
- Can Pixels Alone Reveal Image Origin? Minimax Limits and Learnable Interfaces for Passive Provenance
-
本文以总变差距离精确刻画仅凭像素进行被动来源验证的最优鲁棒分离上限,并将这一统计界限与具体验证器的接口信息暴露风险分开,有限状态验证支持理论恒等式,而图像实验并未给出真实图像上的鲁棒性证书。
- FARE: Forensic Acceptance Region Estimation for Catching Bait-and-Switch Image Generators
-
针对黑盒图像生成 API 部署后可能暗中替换为低成本劣质模型的“偷梁换柱”合规漏洞,本文提出仅依赖已认证生成器采样样本构建取证接受区域的单类检验框架 FARE,在 1% 极低误报率下实现了近乎完备的模型替换与部署变体捕获。
- Hitting a Moving Target: Test-Time Adaptation for AI Text Detection under Continual Distribution Shift
-
针对现存监督式 AI 文本检测器在对抗性人工润色、新模型演变及人类语言时间漂移下灾难性失效的问题,本文提出利用测试时未标记批次中的算法同质性,通过正例无标记学习实现测试时自适应(TTA),显著恢复了分布偏移下的检测与患病率估计能力。
- LLM-Auction: Generative Auction towards LLM-Native Advertising
-
本文提出了首个将拍卖机制与文本生成深度融合的学习型生成式拍卖框架 LLM-Auction,通过将广告分配转化为大模型与兼顾广告主价值及用户体验目标的偏好对齐过程,在单次前向推理中内化响应级外部性并实现高分配效率与优良博弈性质。
- Log-Likelihood, Simpson’s Paradox, and the Detection of Machine-Generated Text
-
揭示了主流基于对数似然的机器生成文本检测器因在异质隐藏空间粗暴平均 token 分数而遭遇「辛普森悖论」导致失效的机理,提出基于贝叶斯决策理论的局部条件分布校准框架,在几乎不增加开销的情况下使 GPT-5.4 文本检测 AUROC 从 0.63 飙升至 0.85 以上。
- Majority Bit-Aware Watermarking for Large Language Models
-
针对传统摄动式多比特水印中绿名单比例 \(\gamma\) 偏小损害文本质量的核心权衡,本文提出多数比特感知编码范式(MajorMark 与 MajorMark+),通过将词表分片并按消息多数比特选择绿分片集合,从机制上打破检测信号强度对绿名单缩小的依赖,在保证 \(\gamma \ge 0.5\) 的同时显著提升解码准确率与生成文本多样性。
- Post-hoc Selective Classification for Reliable Synthetic Image Detection
-
针对合成图像检测器在协变量偏移下常规置信度评分发生病态倒挂导致误拒正确样本的问题,本文提出 ReSIDe 框架,利用基于聚类质心的无监督线性探测提取各中间层 Logit,并通过偏好优化聚合多层置信度以严格最小化风险-覆盖曲线下面积(AURC)的上界。
- Rethinking the Readout: Unlocking Video Backbones for AI-Generated Video Detection
-
针对视频预训练骨干网络在 AI 生成视频(AIGV)检测中反常落后于图像探测器的问题,本文发现瓶颈源于标准读出层(GAP/CLS)过度聚合导致的补丁间关联抹除与通道级速度抵消,提出仅含约 0.5M 参数的双流速度门控补丁速度画像(V-PVP)模块,在完全冻结骨干网络下取得 95.28% AUC 的 SOTA 性能。
- RiSE: Residual Subspace Expert for Generalizable Text-Centric Image Forgery Localization
-
RiSE 通过冻结视觉基础模型主奇异值分量并仅更新轻量残差子空间避免特征坍塌,构建伪造类型感知的离线残差专家池,并提出无须多次采样的单前向潜在扰动置信度(LPC)选择最优专家,大幅刷新跨域文本图像篡改定位性能。
- Steer-to-Detect: Probing Hidden Representations for Detection of LLM-Generated Texts
-
提出 Steer-to-Detect (S2D) 框架,通过在冻结的观察者大模型中间隐藏层注入通用可学习导向向量以拉大人类与机器文本的表征几何距离,并结合有限样本置信度保证的对数似然比检验实现高精度且低误报的被动式检测。
- VI-Bench: Benchmarking Prompt Inversion from AIGC Videos
-
针对当前视频理解基准仅关注表面描述而忽视生成控制反演的问题,本文提出了首个 AIGC 视频提示词反演评测基准 VI-Bench,通过涵盖主体、动作、场景、风格和相机的五维控制体系与重放执行双重评测,系统揭示了前沿 VLM 在提示词忠实度与视频重放保真度之间的显著断层。