超越单一摄像头：体育视频理解中的代理多视角推理

针对现有单视角多模态大模型在体育视频理解中面临的遮挡与运动模糊难题，本文构建了 SportMV-Bench 基准，涵盖感知、规则解读及裁决推理三类任务。研究发现当前模型瓶颈在于细粒度感知与视角选择而非逻辑知识。为此，作者提出 SportMV-Agent 框架，通过主动视角选择、感知工具执行与基于证据的推理迭代循环，有效整合多视角信息，相比最强基线相对提升 14.46%。