本研究提出了一种跨语言一致性（CLC）框架，旨在解决多语言训练语料中的语言偏差引起的语义漂移和逻辑不一致问题。通过多语种推理路径集成和多数投票，CLC显著提升了大语言模型的推理能力，实验结果显示准确率提高了9.5%至18.5%。

研究人员评估了五种不同的大语言模型(LLMs)在伪造检测领域的能力。结果显示，大多数LLMs能够识别逻辑不一致的复合图片，但无法识别精心伪造的和非常逼真的图像。LLMs在伪造检测领域仍有待改进。