EgoProceVQA：一种具有自我技能探索代理的新型第一人称程序理解任务

针对现有第一人称视频理解评估忽视程序性推理的问题，本文提出 EgoProceVQA 任务及基准，系统评估多模态大模型的关键步骤推理能力。为此，构建了数据生成平台 EgoProceGen。进一步提出 EgoProceAgent 框架，设计通用工具库与标准化子技能库，使代理能在无监督下通过探索子技能的组合与选择，自主发现有效策略。实验表明该方法在开源模型中取得了最先进性能，为程序性 AI 助手奠定了基础。