TreeSoc：用于足球视频理解的树状动态推理与工具协同

针对现有视觉语言模型在跨模态对齐浅层及多步推理受限的问题，本文提出 TreeSoc 框架。该框架将足球视频问答重构为层次化搜索问题，利用动态深度优先搜索机制将复杂查询分解为有序子任务，通过显式中间状态实现迭代推理优化。此外，其树状结构支持自适应工具路由，按需激活领域模块以生成语境化预测。实验表明，TreeSoc 在 SoccerBench 和 NExT-QA 上均取得最先进性能，证明了结构化增强推理的有效性。