AI 생성 콘텐츠(AIGC)의 발달과 함께, 멀티모달 대형 언어 모델(LLM)이 생성된 시각적 입력을 실제 입력과 구별하는 데 어려움을 겪고 있습니다. 이러한 단점은 모델이 생성된 콘텐츠에 속아 추론 과정의 신뢰성이 저해되는 시각적 기만에 대한 취약성을 야기합니다. 따라서 급증하는 생성 모델과 다양한 데이터 분포에 직면하여, 잠재적인 기만에 대한 시각적 입력의 진위 여부를 검증하기 위해 LLM의 일반화 가능한 추론 능력을 향상시키는 것이 중요합니다. 인간의 인지 과정을 통해 LLM이 시각적 입력을 과도하게 신뢰하는 경향이 있으며, 회의론을 주입하면 시각적 기만에 대한 모델의 시각적 인지 능력이 크게 향상될 수 있음을 발견했습니다. 이를 기반으로, 회의론을 주입하여 일반화 가능한 진위 여부 검증을 수행하는 완전한 추론 기반의 에이전트 추론 프레임워크인 \textbf{Inception}을 제안합니다. 여기서 LLM의 추론 논리는 외부 회의론자와 내부 회의론자 에이전트 간에 반복적으로 향상됩니다. 이 연구는 AIGC 시각적 기만에 대응하는 최초의 완전한 추론 기반 프레임워크입니다. 제안하는 방법은 기존 LLM 기반 모델보다 훨씬 더 우수한 성능 향상을 보였으며, AEGIS 벤치마크에서 SOTA 성능을 달성했습니다.
