该论文提出 MAD-Guard，一个针对封闭式多模态取证任务的输出-决策接口受控研究框架，核心问题是：当多模态表示已经计算完成后，对于“输入复杂度高、输出熵低”的封闭取证判定（如真伪二分类），是否仍有必要进行自回归生成？作者在匹配的 Qwen3-VL-8B 骨干上，使用 2,400 条 FakeClue 训练样本与 LoRA（r=16、α=32）微调，在华为昇腾 910C NPU 上系统比较了一组递进的决策接口：AR-SFT（自回归生成）→ Logit Slice（词表切片）→ Binary Direct Head（二分类直接头）→ +choice → +act → CLM-Head，并把单次推理延迟分解为骨干表示（53.12 ms）、151,643 维词表投影（+85.04 ms，累计 138.16 ms）以及自回归解码（+248.26 ms，累计 386.42 ms）。结果显示，在 1 对 1 二分类监督（BCE 损失）下，二分类直接头把延迟降低 2.60×–7.27×（回落到 53.12 ms），校准误差改善 1.88×（ECE 0.0450 对 0.0845），代价是准确率下降 1.80%（93.10% 对 94.90%，ROC-AUC 0.9795 对 0.9871），作者将其归因于放弃了词元先验。若要超过 AR-SFT，可通过多任务归因与不确定性门控（+choice+act：96.44% 准确率、0.9940 ROC-AUC、ECE 0.0187，延迟 53.71 ms），或采用解耦对比头 CLM-Head（保留语义先验而不做词元解码：二分类 96.55%、多任务 96.44%、ECE 0.0166、7 类归因 98.79%，延迟 54.42 ms）。在来自五个基准的 5,000 张样本外图像上，该框架在合成图、伪装图与文档伪造上表现良好（GenImage 96.44%、Chameleon 97.73%、Doc 91.84%），但在压缩人脸篡改上存在明显边界（FF++ ROC-AUC 仅 0.5913）。