ClueAegis：面向统一基于证据的合成图像检测的启发式到推理认知技能学习

针对生成模型导致的合成图像检测难题，现有方法缺乏结构化推理能力。本文从认知视角出发，提出“启发式到推理”的认知技能学习框架。该框架首先提取感知线索，选择最佳法医技能，进而执行技能条件化的推理以提取证据并决策。为此，我们构建了 ClueAegis-Bench 基准，将检测任务分解为显式标注的认知技能。基于此，提出的 ClueAegis 代理框架通过两阶段流程（技能选择与证据引导推理），实现了可配置的多技能推理过程，显著提升了跨域泛化性、鲁棒性及可解释性。