用于视频问答的教师与求解者智能体间的反思性对话

针对视频问答任务，现有方法在无需微调的情况下，难以仅凭少量标注支持集在推理阶段获取特定领域知识。本文提出一种仅通过推理时上下文注入实现适应的方法。该方法构建了一种“反思性对话”，即教师智能体提出问题并提供正确性反馈，求解者智能体作答并对正误答案提供视觉依据解释（反思）。该对话历史随后作为推理阶段的上下文。EgoCross 基准实验表明，该方法优于零样本基线及标准上下文学习方法，并在 CVPR 2026 EgoVis 研讨会竞赛中获开源组第三名。