AI 图片检测为什么会漏掉没见过的生成方式

检测器可能学到某一类生成模型的特征^[1]

这项研究分析了用 GAN 生成图训练的真假分类器。研究发现，一些分类器依赖已知生成方式的特征；遇到训练阶段未接触的生成模型时，生成图可能被归入真实类别。同类生成模型之间表现良好，不等于能跨生成模型家族泛化。

研究提出了更广泛的特征空间^[1]

作者探索使用大型预训练视觉语言模型的特征，通过近邻分类与线性探测改善跨模型识别。论文讨论的是其所用数据与实验条件下的结果，并不是所有检测服务的统一能力，也不是本站模型的测试报告。

怎样理解本站的低风险结果

较低的模型风险分值表示当前模型在这份输入上给出的评估，不等于已经证明真实拍摄。遇到明确的 AI 来源声明、局部编辑或未知生成方式时，即使分值较低，也应继续核实来源。重要判断需要结合独立材料，不能依赖单次模型输出。

1. 阅读报告中的模型版本与适用限制。
2. 检查文件声明与模型判断是否存在差异。
3. 保留原文件和检测记录，避免把低风险结论改写成“已证实真实”。