案例 1：高 AI 生成风险
这个例子用来展示多重风险信号如何同向收敛：没有可信来源凭证、元数据被清除或证据较弱、Sightengine 类像素风险较高、Hive 交叉验证支持高风险，VRE 也发现可见伪影。
建议处理： 强烈建议升级人工复核。
- C2PA：未发现内容凭证
- EXIF：检测到元数据，但不足以洗清风险
- Sightengine/Hive：检测信号同向指向高风险
- VRE：纹理、结构、反射或文字线索可疑
示例报告
一份好的审核输出应该长什么样
这些例子展示了不同证据模式应该如何被解读。重点不是只展示一个分数，而是帮助团队学会把来源凭证、元数据、检测器输出和视觉推理放在一起看。
案例 2：可信来源凭证信号
这个例子用来说明：即使检测器分数中性或不完整，只要有强而可信的签名来源链，审核判断就会明显不同。
建议处理： 适合更低风险处理，但仍要结合完整上下文。
- C2PA：发现有效签名来源链
- EXIF：拍摄与编辑历史相对一致
- Sightengine/Hive：风险分数中性或轻度波动
- VRE：可疑视觉线索较少
案例 3：证据互相冲突
这个例子最适合说明为什么 ImageVerity 不能被当成单分数神谕。如果 Sightengine、Hive、来源凭证、元数据和 VRE 之间不一致，最稳妥的输出就是保留上下文并升级复核。
建议处理： 不要自动定结论，应连同上下文一起交给人工审核。
- C2PA：来源链缺失或损坏
- EXIF：有部分元数据，但不足以下结论
- Sightengine/Hive：检测层之间不一致
- VRE：有视觉疑点，但不足以形成确定结论
阅读规则
报告真正有用，是因为它能改变下一步动作
一份有用的报告，不是只说“可能是 AI”。它应该帮助审核员决定接下来是发布、标注、拦截、升级复核，还是继续调查。这也是 ImageVerity 为什么强调可读证据链和谨慎表达。
当检测器信号一致时，报告可以建议更强的复核动作；当信号不一致时，报告应该保留这种冲突，而不是把它藏在一个看起来很干净的单一分数后面。