EgoCoT-Bench：评估多模态大模型基于地面真实且可验证的操作中心思维链推理

针对现有第一人称视频基准缺乏对细粒度操作推理及时空证据 grounding 评估的问题，本文提出 EgoCoT-Bench。该基准包含 351 个视频中的 3172 个可验证问答对，涵盖感知、回溯、预测及高层推理任务。通过时空场景图引导生成并经人工 refinement，确保推理步骤的细粒度与可验证性。实验表明，当前多模态模型虽能给出正确答案，但其解释往往缺乏一致的时空证据支持，揭示了细粒度推理的挑战。