战争、灾害和公共紧急事件中的生成视频，不只是一般意义上的深伪内容：一旦进入社交传播链路，错误判断可能直接影响公众认知。RA-Bench试图回答一个更贴近现实的问题——现有检测器面对危机场景、不同生成条件和传播环境时，究竟能否稳定工作。

用真实危机视频作为评测锚点

RA-Bench共包含17,886段视频，其中有1,830段真实视频锚点，覆盖10类社会风险场景；另有16,056段生成视频，来自4个开源和5个闭源生成器。这里的关键设计是以真实视频为锚，而不是只汇总彼此无关的真实与合成样本，从而围绕具体危机场景比较生成内容及其可检测性。

基准还把生成质量、条件信息和采样种子纳入分析。这样可以区分检测结果究竟来自生成器本身、生成设置，还是单次采样的偶然差异，为研究检测器失效原因提供更细的观察维度。

三类检测路线都未稳定泛化

论文评估了7个传统检测器、10个零样本多模态模型，以及2个专门针对AI生成视频检测进行微调的多模态大模型；零样本模型还在3种审查设置下测试。结果并未显示哪一类方案具有一致优势：三类检测方法都不能在RA-Bench的不同实例上持续泛化。

生成属性对不同检测器家族的影响也不相同，说明“更高质量”或“更多条件信息”并不会对所有检测路线产生统一效果。与此同时，来源层面的检测模式在不同采样种子之间相对稳定，表明种子变化没有完全改写某一来源的总体特征，但这不等于单条视频就容易识别。论文还研究了人的真实性判断与社交传播中的检测可靠性，不过给定摘要没有披露相应数字和明确结论，不宜进一步推断。

我的判断

RA-Bench的价值不在于宣布一个新检测器胜出，而在于揭示危机视频检测仍缺少可稳定迁移的方案。真实视频锚点、多生成器和生成条件分析，使它适合用于压力测试与失效归因。但它覆盖的仍是特定场景、生成器和检测方法，不能直接代表所有平台上的真实传播环境。现阶段更合理的做法，是把检测器视为风险信号之一，而不是单独承担事实裁决。