在高安全等级的人脸识别（FR）部署中，自动化算法往往被当作人类审核员的辅助工具，但一项新近发表于 arXiv 的研究提醒，这种“人机协作”的实际效果取决于两件事：所用的是哪一款算法，以及系统把安全阈值设得多严。论文题为《人类审核员对误报的检测取决于人脸识别算法及其安全配置》，由 Esha Edakoth 等五位作者完成，属于计算机视觉与模式识别（cs.CV）以及人机交互（cs.HC）交叉方向，共 26 页、8 幅图、4 张表，于 2026 年 10 月 16 日提交。
研究的出发点是一个容易被忽视的矛盾。随着 AI 进入身份核验等业务流程，商用 FR 算法在规模和准确率上已达到甚至超越人类水平。然而，正因为算法错误变得越来越稀少，原本用于兜底的人类审核反而更难发现它们。论文提出的核心问题是：当算法给出误报（把并非同一人的两张脸判为匹配）时，人工审核员究竟能不能识别出来？这种能力是否会随安全配置而变化？
为回答这一问题，研究团队构建了一个新数据集——困难人脸图像比对测试（Difficult Facial Image Comparison Test，DFICT）。该数据集并非随机抽取人脸图像，而是专门取自四款性能相当的商用 FR 算法实际产生的误报样本，因此每一对图像都是算法“出错”的困难案例。随后，801 名人类审核员参与实验，在三种具有实际业务意义的生物识别阈值配置下，判断这些图像对是否属于算法误报。
结果呈现出清晰的规律。总体而言，人类审核员确实能够减少算法产生的误报，说明在系统中保留人工复核环节仍有价值。但随着安全阈值趋严，审核员的识别表现明显下降——也就是说，当系统被调至更保守、更严格的安全配置时，恰恰是误报更难被人工发现的时候。这一发现对高安全场景具有直接意义：越重要的应用往往越依赖严格阈值，而人类监督在这一区间的效力反而更弱。
第二个关键结论是，审核员的表现因算法而异。面对不同商用算法产生的误报，人类审核员的检出能力存在差异，这表明某些算法与人工监督的兼容性更好。换言之，算法选型不仅关乎机器本身的准确率，也关乎人类能否在其之上有效把关。作者据此建议，生物识别系统在设计阶段就应考虑人类审核员效力的可变性，尤其是在高安全应用中；在算法选型和制定人工监督策略时，也应参考这类实证结果，以尽量降低实际 FR 部署中的 AI 相关风险。
值得留意的是，这项研究评估的是“人类能否发现算法误报”，而非算法本身的准确率排名；其样本来自四款可比的商用算法，实验条件被限定在三种操作相关的阈值上。论文的贡献在于把通常被分开讨论的两个因素——算法特性与安全配置——放在同一框架下，用 801 名审核员的实测数据揭示人机团队效力的边界。对于正在部署人脸识别身份核验的机构而言，这意味着人工复核不应被视为万能的兜底措施，而需要根据具体算法与阈值进行针对性设计与评估。