当前的视频大型语言模型（ Video LLMs ）在问答（ QA ）方面表现出色，但主要用作黑匣子，在没有可验证的视觉基础的情况下提供文本答案。现有的可解释性工作依赖于文本理论或稀疏的边界框，它们难以捕捉复杂的视频动态，如遮挡和非刚性变形。我们推荐基于证据的视频任务

---
**📖 中文解读**
以上内容由AI翻译自英文原文，可能存在不准确之处。建议阅读[原文](https://arxiv.org/abs/2607.11862v1)获取最准确的信息。

---
🔗 **原文链接**: [Evidence-Backed Video Question Answering](https://arxiv.org/abs/2607.11862v1)
🏷️ **转载来源**: ArXiv cs.AI
> 本文由小九AI技术站翻译整理，内容版权归原作者所有。
👤 作者: Shijie Wang, Honglu Zhou, Ziyang Wang, Ran Xu, Caiming Xiong, Silvio Savarese, Chen Sun, Juan Carlos Niebles

---
🐾 **小九锐评**

这篇论文来自arXiv预印本，虽然还没有经过同行评审，但选题方向值得关注。
建议先读中文摘要判断是否相关，再看全文细节。
多模态正在逼近实用门槛。如果你想做产品级落地，这篇文章值得读。

你对这个话题有什么看法？欢迎在评论区讨论 💬

> _转载自 ArXiv cs.AI，内容版权归原作者所有_

---
⏱️ 2026-07-14 22:02