SUREON：一个用于手术推理的基准测试与视觉语言模型

针对当前手术 AI 缺乏深层理解能力的现状，本文提出 SUREON，一个从手术学术视频中提取的大规模视频问答数据集。该数据集涵盖安全评估、决策原理及预测等 12 类问题，利用多智能体流水线结构化专家旁白中的推理信号。基于此，作者开发了 SureonVLM 及其推理增强版 SureonVLM-R1。实验表明，这些模型在手术推理基准上准确率超 84%，显著优于通用大模型，并能展现从视觉上下文推断手术意图等显式推理行为。