质量行动保障：VR OSCE中考官声称的多模态验证

研究者提出QAA框架，在VR儿科OSCE中通过多模态验证考官声称的动作，结合约束时序对齐模型和LLM，将事实正确率从39.2%提升至79.2%，检测考官错误的精确率70%、召回率76.7%。

传统考官验证仅依靠统计一致性，无法解释错误来源。QAA能直接对照实际事件序列，发现考官主观偏见和疲劳导致的评分偏差，从而提升评估的公平性与可追溯性。

QAA框架包含两个组件：约束时序对齐模型（定位动作并归因演员）和大型语言模型（提取考官文字声称并与记录比对），通过多模态数据（视频、VR日志、演员数据）重建事件序列，实现声称验证。

可用于VR临床考试系统，自动检测考官漏评或误评，减少人工复核成本。但需接入视频、VR日志等多模态数据流，增加了系统集成复杂度。

• 开发面向医疗教育机构的VR OSCE评分辅助系统，集成QAA以实时验证考官评分准确性。
• 将QAA的验证逻辑迁移至其他VR模拟训练场景（如外科手术、急救演练），提升评估客观性。

• QAA在非儿科或非VR的OSCE场景中泛化能力如何？
• 该框架对实时性要求怎样的计算资源？
• 是否依赖于特定VR设备和演员数据格式，导致部署成本较高？