Компьютерные науки > Компютерное видение и распознавание шаблонов [представлено 23 февраля 2026 года, последний раз пересмотрен 24 октября 2026 (эта версия v2)) Название: Может ли подросток-фул а АИ? Оценка космических нападений с низкой частотностью на системы оценки возраста PDF HTML (экспериментальный) резюме: Системы оценки состояния окружающей среды все шире используются в качестве сторожевых центров для использования в режиме онлайн, но их надежность к косметическим модификациям не оценивалась систематически. Мы расследуем, могут ли простые косметические изменения, доступные для домашних хозяйств, включая бороду, седые волосы, макияж и смоделированные морщины, заставить оценки возраста АИ классифицировать несовершеннолетних как взрослых. Для изучения этой угрозы в масштабах без этических соображений мы имитируем эти физические нападения на 329 изображения лиц в возрасте от 10 до 21 года с помощью редактора VLM (Gemini 2.5 Flash Image). Затем мы оцениваем восемь моделей по нашим предыдущим контрольным показателям: пять специализированных архитектур (MIVOLO, Crime-Best, Herosan, MiViaLab, DEX) и три модели на языке зрения (Geminie 3 Flash, Geminy 2.5 Fhatch, GPT-5-Nano). Мы введем коэффициент преобразования атаки (ACR), определяемый как доля изображений, предсказанных как незначительные на исходном уровне, которые переходят к взрослым после нападения — популяционно-агнистический показатель, который не зависит от соотношения несовершеннолетних и взрослых в контрольном…
Может ли подросток пошутить над ИИ? Оценка космических нападений с низким уровнем дохода на системы оценки возраста
arXiv:2602.19539v2 Adminus Type: заменить резюме: системы оценки возраста все чаще используются в качестве привязки к нетрадиционному по возрасту контенту онлайн, однако их надежность с точки зрения косметических модификаций не оценивалась систематически. Мы расследуем, могут ли простые косметические изменения, доступные для домашних хозяйств, включая бороду, седые волосы, макияж и смоделированные морщины, заставить оценки возраста АИ классифицировать несовершеннолетних как взрослых. Для изучения этой угрозы в масштабах без этических соображений мы имитируем эти физические нападения на 329 изображения лиц в возрасте от 10 до 21 года с помощью редактора VLM (Gemini 2.5 Flash Image). Затем мы оцениваем восемь моделей по нашим предыдущим контрольным показателям: пять специализированных архитектур (MIVOLO, Crime-Best, Herosan, MiViaLab, DEX) и три модели на языке зрения (Geminie 3 Flash, Geminy 2.5 Fhatch, GPT-5-Nano). Мы введем коэффициент преобразования атак (ACR), определяемый как доля изображений, предсказанных как незначительные на исходной основе, которые переворачиваются к взрослым после атаки, популяция-агнотика m
