从运动到安全：多模态大模型前瞻性风险推断基准测试

arXiv 发表论文，提出 SPRINT 基准，包含 2,888 个真实运动视频，评估多模态大模型（MLLMs）的前瞻性风险推断能力。结果显示，最佳模型在识别危险信号上超过 95%，但识别原因时低于 50%，且显式危险查询会导致安全视频出现严重误报。

此前 MLLM 评估聚焦于有害内容或一般风险，未深入探究主动物理危险预测。SPRINT 首次将运动场景作为测试场，揭示了模型在危险感知与原因理解之间的显著差距，并指出显式查询引发误报的问题，推动可靠主动安全系统的发展。

该基准利用运动视频中的事故前时空线索，这些线索与自动驾驶、跌倒检测等安全领域共享推理能力。通过细粒度标注早期危险线索、事故时间和层级原因，并设置安全视频对照组，诊断提示词引起的误报，从而评估模型的因果推理和现实场景下的稳定性。

对于依赖 MLLM 进行安全监控、自动驾驶或辅助决策的产品，此研究提示需改进模型的原因推断能力，避免对危险信号的过度反应和误报，否则可能导致不必要的干预或忽视真实风险。

• 开发结合视觉因果推理模块的安全监控系统，提升对事故原因判断的准确率。
• 在自动驾驶或跌倒检测产品中，增加对危险信号的阈值调整机制，减少误报。
• 利用 SPRINT 基准优化模型训练，增强对时空线索的因果理解。
• 设计多模态融合的预警系统，整合视觉与文本信息以验证危险原因。

• SPRINT 基准是否适用于除运动外的其他安全领域？
• 哪些具体模型在原因识别上表现最好或最差？
• 显式危险查询导致的误报是否可以通过更好的提示策略缓解？
• 代码与数据是否已公开发布，其许可协议和可用性如何？