当仙人掌是裁判官时：GPT-Image-2 无法识别其自造的伪造文档
摘要
OpenAI 的 GPT-Image-2 已有效消除了真实与 AI 编辑文档图像之间的视觉边界：在几美分的费用下，不需要几秒钟即可替换收据上的单个数字。我们发布 AIForge-Doc v2，包含 3066 份 GPT-Image-2 文档伪造品及 DocTamper 兼容格式的像素级掩码，并基准测试四种防御措施：人类检查员（N=120，n=365 对比投票通过公开 2AFC 网站 CanUSpotAI.com），TruFor（通用 forensic），DocTamper（qcf-568，文档专用），以及同一 GPT-Image-2 模型作为零样本自我裁判——被要求（为避免简单的“图像大部分为真”阅读），是否包含任何区域是由 AI 图像模型生成或编辑的。人类 2AFC 准确率为 0.501，几乎与随机无关：即使是并排呈现，检查员也无法将 GPT-Image-2 收据伪造品与真实对应物区分开来。三位计算裁判仅略高于（TruFor 0.599，DocTamper 0.585，自我裁判 0.532）。自我裁判始终失败，绝非偶然：在五种提示策略和四种处理模糊响应的政策下，AUC 从未超过 0.59。为排除两种 forensic 检测器在源域上已损坏而非对 AI 掩码盲目的可能性，我们在为其训练分布构建的同域传统篡改集上对其进行校准：TruFor 在跨相机拼接本数据集上达到 AUC 0.962，DocTamper 在跨文档 OCR token 拼接和两遍 JPEG 重编码下达到 0.852。两种方法在传统篡改上均保持接近已发表的性能；切换到 GPT-Image-2 掩码后，AUC 下降 0.27-0.36（0.962→0.599 TruFor；0.852→0.585 DocTamper），从而隔离了特定于 GPT-Image-2 掩码的检测差距。我们发布数据集、管道、四位裁判方案以及校准集。
引用
@article{arxiv.2604.25213,
title = {When the Forger Is the Judge: GPT-Image-2 Cannot Recognize Its Own Faked Documents},
author = {Jiaqi Wu and Yuchen Zhou and Dennis Tsang Ng and Xingyu Shen and Kidus Zewde and Ankit Raj and Tommy Duong and Simiao Ren},
journal= {arXiv preprint arXiv:2604.25213},
year = {2026}
}