针对此类问题，EgoCross项目团队聚焦跨域第一人称视频问答评测。新工作系统揭示现有MLLM在外科、工业、极限运动与动物视角等场景 下的泛化瓶颈。 目前大多数第一人称视频基准均集中于日常生活活动，而忽略了真实世界应用中巨大的领域差异。 来自华东师范大学、INSAIT的研究团队，首次提出跨域第一视角视频问答基准EgoCross，覆盖4个高价值专业领域、包含近千条高质量QA 对，同时提供闭卷 （CloseQA） 和开卷 （OpenQA） 双评测格式，彻底填补了该领域的评估空白。 EgoCross团队 投稿 量子位 | 公众号 QbitAI 我们习惯了AI在屏幕上侃侃而谈、生成美图，好像它无所不知。但假如把它"扔"进一个真实的手术室，让它用主刀医生的第一视角来判断下一 步该用哪把钳子，这位"学霸"很可能当场懵圈。 同时，团队通过8款主流MLLM的全面测试，揭示了现有模型的跨域短板，并验证了微调 （SFT） 、强化学习 （RL） 等方法的改进潜力。 目前该项研究已入选AAAI 2026，所有数据集、代码已全部开源。 打破日常"舒适圈" Egocentric Video Question Answering （Ego ...