DoPE：面向学术完整性的人类可读、面向 AI 的考场文件中的去骗扰封装
计算与语言
2026-01-21 v1
摘要
多模态大语言模型（MLLMs）可以直接消费考试文件，威胁传统考核方式和学术完整性。我们提出 DoPE（Decoy-Oriented Perturbation Encapsulation，去骗扰封装），一种面向文档层面的防御框架，通过在 PDF/HTML 考试文件中嵌入语义迷惑信息来利用 MLLM 管道中的渲染-解析偏差。通过在 authoring 阶段对考试进行仪器化，DoPE 提供模型无关的防御（停止或干扰自动求解）和检测（标记盲目 AI 依赖）功能，无需依赖常规单次分类器。我们形式化了防御和检测任务，引入 FewSoRT-Q 用于生成问题级别的语义迷惑信息，并用 FewSoRT-D 将其封装为水印文档。我们在 Integrity-Bench 上进行评估，该基准包含 1826 份考试（PDF+HTML），源自公开 QA 数据集和 OpenCourseWare。针对来自 OpenAI 和 Anthropic 的黑盒 MLLMs，DoPE 实现了显著的实证提升：以 91.4% 检测率、8.7% 误报率使用 LLM-as-Judge 验证器检测，并在 96.3% 的尝试中防止成功完成或诱导迷惑信息对齐式失败。我们发布了 Integrity-Bench、工具包及评估代码，以支持可重复的文档层面防御学术完整性研究。
引用
@article{arxiv.2601.12505,
title = {DoPE: Decoy Oriented Perturbation Encapsulation Human-Readable, AI-Hostile Documents for Academic Integrity},
author = {Ashish Raj Shekhar and Shiven Agarwal and Priyanuj Bordoloi and Yash Shah and Tejas Anvekar and Vivek Gupta},
journal= {arXiv preprint arXiv:2601.12505},
year = {2026}
}