把面孔本身与它的标签分开
此前多数研究无法区分两件事：图像本身是合成的影响，以及受试者被告知它是合成的影响。只替换图像的研究把受试者的信念交给偶然；只替换标签的研究保持图像不变，因此无法检验与面孔相矛盾的标签。这项研究在同一个实验里交叉了两个因素，因此一个反应可以归因于面孔、归因于标签，或归因于两者的吻合程度。
设计分为两个阶段。在线研究（N=169，6,760 个有效试次）让评分者按 0–100 分对扩散模型生成的面孔评定“像 AI 的程度”；320 张候选面孔中只保留 82 张，其 95% 置信区间下限超过 60，这样实验室刺激会被稳定地读作合成面孔，而非模棱两可的图像。随后实验室研究向 30 名参与者呈现来自两种真实来源（AI 生成、真人）的面孔，并配以三种标签（无标签、“Made with AI”、“Made by a human”），同时记录脑电和注视。
交叉这两个因素会产生一致配对（AI 面孔配“Made with AI”标签）和不一致配对（AI 面孔配“Made by a human”标签）。不一致这一格正是此前设计无法触及的部分，也是最独特的结果出现的地方。
三个 ERP 窗口分别对应注意、再评估与情绪
事件相关电位（ERP）是与图像锁时的平均电压变化，每个命名的成分对应不同的加工阶段。N2 在 200–350 毫秒窗口内于额中央电极测量，这里被视为早期注意反应。P3 在 300–500 毫秒窗口内于中央顶叶电极测量，与对刺激的再评估相关。LPP 在 400–800 毫秒窗口内测量，对应持续的情绪加工。
由于论文的核心主张是 AI 面孔与真人面孔之间没有差异，分析采用贝叶斯层级模型而非阈值检验。集中在零附近的后验分布直接陈述了“无差异”，而不显著的检验无法区分“没有效应”和“没有证据”。所有分析都在试次层面进行，包含参与者对实验因素的个体斜率以及按图像截距，因此估计值并不绑定于恰好被观察到的这些面孔和人。
一个编码细节对理解数字很重要。ERP 模型把一致和不一致标签分别与无标签面孔比较，而眼动模型把标签编码为“有”与“无”。因此两种模态回答的问题略有不同，其效应量不能互换。
N2 响应的是标签是否存在
真实来源没有调节 N2：AI 来源与真人来源面孔产生的额中央振幅相当（中位数差异 0.01 µV，95% 可信区间 [−0.08, 0.11]，方向概率 61.5%）。早期反应反而随标签变化。相对于无标签面孔，有标签面孔倾向于引出更大的 N2，在标签与面孔一致时最明显（0.19 µV，[−0.03, 0.40]，95.7%）。
作者将此解读为对来源线索是否存在的敏感性，而非对线索与面孔冲突的敏感性。波形比较支持这一解读：任何带标签的面孔，无论是否匹配，都比无标签面孔产生更大的反应，尽管差异很小。需要注意，一致对比的区间仍然跨过零，因此这是一个方向性倾向，而非边界明确的效应。
标签与面孔的冲突在 P3 上体现
P3 同样没有表现出真实来源的差异（−0.04 µV，[−0.12, 0.04]，81.7%）。但在这里，不匹配确实体现出来：不一致试次，即 AI 面孔被标为“Made by a human”或反之，比无标签面孔产生更大的 P3（0.17 µV，[−0.02, 0.36]，95.6%）。
这是论文最清晰的分界。更晚的评估反应跟随的是标签相对于面孔的宣称，而不是面孔的真实来源。被告知错误信息的观看者会进入一个再评估阶段，而正确标注或无标签的面孔不会以同等程度触发它。与 N2 一样，区间下限略低于零，因此效应在方向上可信，但估计并不精确。
持续的情绪加工不随标签变化
LPP 未受任一因素影响。真实来源（−0.01 µV，[−0.09, 0.07]，60.0%）和一致性（所有绝对中位数差异 ≤0.08 µV）都没有调节它，六种条件的波形在整个窗口内重叠。标签对早期加工所做的一切，都没有延续到这个更晚的情绪阶段。
这对如何描述结果很重要。该研究支持的是关于注意和再评估的主张，而不是关于观看者有多喜欢或多信任一张面孔的主张。论文引用的早期工作曾把“相信面孔是假的”与情绪反应减弱联系起来；在这里，真实来源与被归因来源被分开后，这种减弱并未出现在 LPP 中。
标签改变探索，但不改变首次注视落点
首次注视潜伏期没有表现出可信的来源效应（0.316，[−14.593, 15.573]，51.8%）、标签效应（−7.397，[−26.664, 11.384]，78.6%）或交互效应。因此对 face 的初始定向没有改变，这与“标签作用于更晚的加工而非眼睛首先看向哪里”的观点一致。
探索本身确实发生了变化。有标签面孔比无标签面孔被注视的次数更多（−0.043，[−0.064, −0.024]，100%），而这些额外注视更短：有标签时平均注视时长下降（0.053，[0.038, 0.068]，100%），AI 面孔上的注视也比真人面孔更短（0.022，[0.010, 0.035]，100%）。注视次数的增加在 AI 生成面孔上比真人面孔更大（0.041，[0.013, 0.070]，99.8%）。
通俗地说，参与者对有标签面孔看了更多次，但总体上并没有花更长时间。总停留时长是注视次数与平均时长的乘积，论文指出这三个指标在这些数据中实际上共线，因此停留时长只是重述了注视次数的交互，而非独立证据。
刺激设计在哪里限制了结论
两组刺激在低层视觉属性上并未匹配。真人面孔来自 Chicago Face Database，背景为白色、衣着为灰色；AI 面孔来自 Stable Diffusion 集合，带有自身的规律，例如柔和背景和平滑皮肤。作者指出这是 AI 面孔注视更短、标签效应更大的一种替代解释，因此这两项注视结果应被视为与外观混淆。感知到的“像 AI 程度”也可能随表面种族变化，而这一点未被控制。
研究 1 通过只保留被稳定评为 AI 生成的面孔来固定感知来源，这消除了模糊性，但也意味着感知来源与真实来源没有被完全交叉。当 AI 面孔看起来非常像真人时，标签是否仍能引导反应，在这里尚未检验。实验室样本为 30 名参与者，相对年轻，自评 AI 素养中等；刺激为自由观看下的静态面孔，只有一种标签设计和一种位置，这与信息流中标签需与周围内容竞争的情形不同。
为什么杠杆在标签而非像素
这项研究支持的实践优先级狭窄而具体。由于真实来源在任何 ERP 成分或首次注视潜伏期上都没有产生可信效应，而标签是否存在以及标签与面孔的冲突确实推动了 N2 和 P3，因此对披露设计而言，有信息量的变量是被归因的来源，而不是图像的真实来源。标签不只是观看者可以权衡并弃置的说明文字；它触及了观看者无法内省的加工阶段。
论文自身的框架强化了这一利害关系：如果标签只改变观看者报告的内容，他们可以审视它并将其搁置；如果它改变面孔被加工的方式，错误标签就会产生一种观看者无从察觉的印象。不一致条件正是第二种情形的直接证据，也是披露制度最应担心的条件，因为被错误标注的面孔恰恰是触发再评估的地方。
两个边界使这不能成为关于披露有效性的普遍主张。情绪窗口保持平坦，因此这里没有任何证据表明标签改变了人们对 face 的感受，只表明它改变了注意和再评估。而注视差异仍与未匹配的刺激外观纠缠在一起。作者指出的下一步检验是把感知来源、真实来源和标签三者交叉，包括看起来非常像真人的 AI 面孔。
本文引用的文献
EEG and Eye-Tracking Evidence That AI Disclosure Shapes Face Evaluation
真实来源（AI 与真人）没有调节 N2、P3、LPP 或首次注视潜伏期，但标签的存在增大了 N2，标签与面孔的冲突增大了 P3；同时 LPP 保持平坦，标签增加了注视次数并缩短了单次注视时长。