arXiv 于2026年6月2日发布了一篇题为《眼见未必为实——基于搜索的视频虚假信息检测基准》的论文（预印本编号 arXiv:2606.04098v1，归类为计算机视觉与模式识别 cs.CV），由 Tao Yu 等共20位作者共同完成，全文52页。该研究聚焦一个日益突出的问题：视频虚假信息正从简单的画面篡改转向语义与证据层面的操纵，单凭观看视频本身已难以辨别真伪。
论文指出，真实的视频素材可能被选择性剪辑、在时间顺序上重新排列、与来自不同来源的片段拼接，或被加入AI生成内容，从而被用来构建虚假叙事。这类操纵依赖视频之外的信息——缺失的、被调换顺序的、被替换的或被重新语境化的证据都存在于视频本身之外，因此无法仅凭输入视频可靠地完成验证。
为此，研究团队提出了 EVID-Bench，一个面向“基于搜索的视频虚假信息检测”的基准。在该基准设定的任务中，系统必须主动在开放网络上检索相关视频，并通过跨视频比对来识别哪些信息是虚假的。EVID-Bench 共包含222段视频，覆盖3大类、9种操纵类型，这三大类分别是AI生成、单一来源编辑和多来源编辑。所有样本都经过核验，确认前沿模型仅凭视觉检查无法识别其被操纵。
在评测环节，研究者采用一种检索增强的验证基线方法，对九个前沿多模态模型进行了测试。结果显示表现最好的系统在点级准确率上仅为61.43%，在视频级准确率上仅为43.24%；其中AI生成的操纵尤为困难，仍是当前系统的主要短板。
错误分析揭示了模型反复出现的几类问题：模型会过度关注无关的锚点信息；会把合成内容错误归因为编辑拼接；还会在尚未完整解释操纵手法之前就过早终止搜索。这些问题说明，仅靠视觉理解已不足以应对证据层面的造假，系统需要具备更可靠的检索、跨源比对与推理能力。
该论文的提交时间为2026年6月2日18:03:35 UTC，文件大小约32,252 KB，DOI 为 https://doi.org/10.48550/arXiv.2606.04098（由 DataCite 颁发，尚待注册）。除摘要外，论文还提供PDF、实验性HTML版本和TeX源码，并附带许可信息。