本研究探讨了多模态大型语言模型在图像伪造检测中的应用，提出了一种框架，能够评估图像真实性、定位篡改区域并提供证据。研究表明，模型在伪造分析中的表现优于现有检测方法。

本文研究了从预训练语言模型中提取事实的挑战，提出了一种通过评估输入真实性来增强事实检索的新方法，效率提升最高达33%。

该文章介绍了一个名为“felm”的语言模型真实性评估基准，收集了来自语言模型的响应并以细化的方式注释了真实性标签。然而，实验证实，当前的语言模型在忠实地检测事实错误方面还有待提高。