Deepfake-Eval-2024 berichtet, dass evaluierte Open-Source-Detektoren auf dem neuesten Stand der Technik im Vergleich zu älteren Benchmarks 50 % Video-AUC, 48 % Audio-AUC und 45 % Bild-AUC auf einem in-the-wild-Datensatz mit 52 Sprachen einbüßten, der von 88 Websites gesammelt wurde; kommerzielle Systeme blieben unter dem Niveau forensischer Analysten.

Was dies nicht belegt

Die berichteten Rückgänge quantifizieren nicht jeden kommerziellen Detektor, jedes künftige Modell oder jede Einsatzschwelle, und das Preprint ist selbst kein regulatorischer Leistungsstandard.

Versteht die KI Ihr Unternehmen? Prüfen Sie Ihre Website kostenlos, in einer halben Minute →

Gegenbelege & Unsicherheit

Erhebung, Kennzeichnung, Klassenverteilung und Versionswahl beeinflussen die Generalisierung; das Papier wurde bis Mai 2026 überarbeitet.

Was die Lesart ändern würde

Update zu Peer Review, Datensatzprüfungen, reproduzierbarer Evaluation eingesetzter Systeme und neueren In-the-wild-Verteilungen.

Primärrouten

1. CD-S051https://arxiv.org/abs/2503.02857Quellendatensatz öffnen →