EviScene：图像事实性评估
提出无文本声明下的图像事实核查基准与多模态 ReAct Agent。
为什么重要
为图像事实核查提供了基准、训练方法和可复现资源。
阅读原文arxiv.org
AI 解读（根据原文生成）
论文提出 Image Factuality Assessment：给定图像和通用验证指令，系统需输出 supported 或 refuted 结论，并给出基于证据的解释。作者引入 EviLens 基准，包含 10,174 张 supported/refuted 图像，覆盖十二类事实错误，评估结论准确性和证据充分性；并开发 EviScene，一个结合视觉检查、外部检索和证据分析的多模态 ReAct Agent。其 Qwen3.5-9B Agent 在 1,527 张测试集上达到 79.05% balanced accuracy 和 52.26% SESR。代码、模型和数据将发布在 GitHub 与 Hugging Face。
要点（AI 据原文整理，数字均已与原文核对）
- EviLens is an expert-reviewed benchmark of 10,174 supported and refuted images.
- The trained Qwen3.5-9B agent achieves 79.05% balanced accuracy.
- The trained Qwen3.5-9B agent achieves a Strict Evidence Sufficiency Rate (SESR) of 52.26%.
