SUREON 基准显示手术视觉推理仍远未解决，无模型超过 53%。
资讯摘要
论文提出 SUREON，一个面向手术视觉推理的视频问答数据集与基准，旨在避免模型仅凭语言先验作答。其流程从带解说的手术学术视频生成问答对，用多模型修正错误选项，并以对抗猜测器过滤无需视觉证据即可回答的问题。数据集含 76K 训练对、覆盖 168 种手术和 10 个专科，基准含 340 道题、10 个类别，经外科专家审核。作者报告无模型准确率超过 53%，专家为 64.9%；基线 SUREON-VLM 在 SUREON 上优于现有开源模型。
要点速读
- 数据集含 76K 训练问答对，覆盖 168 种手术、10 个专科；基准含 340 道题、10 个类别，由外科专家审核。
- 作者报告领先商用与开源模型在基准上均未超过 53% 准确率，专家外科医生为 64.9%。
- 训练消融显示，干扰项修正与盲筛使多模态增益从 8.7 提升至 29.1 个百分点，训练集从 176.6K 减至 76K。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/11/3 08:00:27（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。