四指SLAP指纹是用于身份验证的活体扫描印象，涵盖了一只手的食指、中指、无名指和小指。现有研究尚未评估多模态大语言模型（MLLMs）在SLAP图像身份验证中的有效性。为此，我们推出了SLAPBench，这是首个基于MLLM的四指SLAP指纹验证基准，数据来源于NIST SD302b，共包含7,832对指纹（176对匹配，7,656对不匹配）。
我们评估了四个开源MLLM（InternVL3-8B、Qwen2.5-VL-7B、Qwen3-VL-8B、Gemma-3-12B）以及专有模型Claude Opus 4.8，采用零-shot、任务描述和相似性评分提示进行测试。结果显示，提示方式主导了验证行为。任务描述提示导致所有四个开源模型的误接受率（FAR）接近100%，而Gemma-3-12B在零-shot下也出现了崩溃；只有Claude Opus 4.8在这两种二元提示下保持了较好的表现，获得最佳二元结果（FAR = 20.2%）。
相似性评分消除了开源模型的崩溃现象，并揭示了显著的能力差距：Claude的AUC为0.953，Gemma-3-12B为0.837，而InternVL3-8B则为0.590，Qwen2.5-VL-7B接近随机（0.567）。Qwen3-VL-8B达到了完美的分离（AUC = 1.000），但我们将此视为诊断，而非能力体现：SD302b每个手指位置仅有一个SLAP捕获，所以匹配对是跨分辨率的。匹配分辨率控制保持完美分数不变，排除了分辨率捷径；在SD302b中无法排除的则是近重复检测，因为匹配对是同一捕获的两次呈现。对性别、种族和年龄的公平性探测表明，随着歧视减弱，不平等现象加剧。SLAPBench建立了首个SLAP特定的MLLM基准，表明提示方式主导崩溃，而模型能力主导歧视性评估。
博主点评： SLAPBench的推出为多模态大语言模型在实际应用中的有效性提供了重要基准。通过对不同模型的深入评估，研究揭示了模型能力和提示方式在身份验证中的关键作用，未来在实际应用中或将推动更高的准确性与公平性。