研究与基准测试/2026-09-30/10 分钟判对也会编证据：蚂蚁 ATAR 把真阳性幻觉压到 7.2%蚂蚁实习期间完成的 ATAR 用 22 个鉴识工具做多轮伪造检测。六套零样本 IMDL 图像级 F1 78.5%，随机工具比不用工具更差。去掉推理奖励后分类只掉 0.6 个百分点，真阳性幻觉从 7.2% 升到 21.6%。
