ああ、これはAIが作った画像、いわゆるAIGCを正しく検知するための新しいモデルについての論文だよ。亜美さんも最近、SNSで本物そっくりのAI画像を見かけるだろ？

そうなんだ。最近のAIは高性能だから、ただ「本物か偽物か」を当てるだけじゃなくて、「なぜ偽物だと思ったのか」という理由、つまり推論をさせることで精度を上げようとする研究が盛んなんだ。これをCoT（思考の連鎖）って呼ぶんだけどね。

そこが問題なんだ。誰が見ても一発で偽物だとわかる画像に対してまで、「えーと、まず影の方向が……」なんて長々と説明させるのは、時間も計算コストももったいないだろ？

……例えは微妙だけど、その通りだよ。だからこの論文では、難しい画像にはしっかり推論して、簡単な画像にはサッと答える「ハイブリッド推論」を提案しているんだ。

2段階のステップがあるんだ。まずは「HFT」といって、推論するデータとしないデータの両方をバランスよく学習させる。その後に「HGRPO」っていう強化学習を使うんだよ。

簡単に言うと、モデルが回答した後に「正解したか」「形式は正しいか」「簡単な問題で無駄に長文を書いていないか」という基準で点数（報酬）をあげるんだ。そうすることで、モデルは自然と「いつ推論すべきか」を判断できるようになる。

Fake-HR1は、あの有名なGPT-4oよりも高い精度で偽画像を見抜いたんだ。しかも、不必要な推論を省くから、出力する文字数（トークン数）も大幅に減って、すごく効率的になったんだよ。

そうだね。インターネットがAI生成物で溢れかえる未来では、こういう「速くて正確な検知器」は必須になるはずだ。ただ、まだ課題もあって、新しいAIモデルが次々出てくるから、それらに対応し続けるためのデータの多様性が重要になるだろうね。

僕は生身の人間だよ。そんなことにリソースを使わずに、自分の課題の心配でもしてなさい。