Могут ли мультимодальные (обоснованные) МЛМ выявлять манипуляции документами?

arXiv:2508.11021v2 Вид уведомления: заменить резюме: подделка документов представляет собой серьезную угрозу для отраслей промышленности, зависящих от надежной и проверяемой документации, что требует надежных механизмов обнаружения. В этом исследовании изучается эффективность современных моделей многомодальных языков, включая OpenAI O1, OpendaI 4o, Gemini Flash (анализ), Deepseik Janus, Hrok, Llama 3.2 и 4, Qwen 2 и 2.5 VL, Mistral Pixtral и Clod 3.5 и 3.7 Sonnet-ин обнаружение поддельных документов. Мы сопоставляем эти модели друг с другом и проводим предварительную работу по методам выявления мошенничества при помощи стандартного набора данных, содержащего реальные операционные документы. Посредством оперативной оптимизации и подробного анализа процессов обоснования моделей мы оцениваем их способность выявлять изощренные показатели мошенничества, такие как искажение текста, неправильное форматирование и непоследовательные суммы операций. Наши результаты свидетельствуют о том, что высокоэффективные мультимодальные МЛМ демонстрируют более высокую степень обобщения с нулевым исходом, превосходящее значение для