NLPCC 2026共享任务1综述：难度感知的多语言和多模态医学教学视频理解评估
本文介绍了NLPCC 2026的难度感知医学教学视频问答（DA-MIVQA）共享任务。该任务在前几年挑战的基础上，根据问题所需证据的类型和复杂度明确区分问题难度。包含三个赛道：单视频难度感知时间答案定位、难度感知视频语料库检索、视频语料库难度感知时间答案定位。数据集来自公共医学教学频道，涵盖急救、紧急响应、康复、护理和通用医学教育等场景，并带有难度标注。文章介绍了任务动机、数据集构建、评估协议、参与概览、比赛结果和代表性系统。
在NLPCC 2026上，研究团队正式发布了难度感知医学教学视频问答（DA-MIVQA）共享任务，这是继NLPCC 2023至2025年举办的CMIVQA、MMI-VQA和M4IVQA挑战赛之后的又一重要进展。DA-MIVQA旨在建立一个更加精细化的评估基准，以衡量多模态医学视频理解系统在不同推理难度下的表现。该任务的核心创新在于引入了难度感知机制，根据问题所需证据的来源和复杂度将问题明确区分为简单和复杂两大类。简单问题通常可以通过视频字幕中的文本线索直接回答，而复杂问题则需要系统具备视觉定位、程序性理解以及跨模态证据整合的高级能力。这种区分使得研究者能够更深入地了解模型在不同认知层面的优势和不足。
DA-MIVQA共包含三个独立的赛道，分别针对不同应用场景：第一是单视频难度感知时间答案定位（DA-TAGSV），要求系统在单个教学视频中定位与问题相关的时间段并给出答案；第二是难度感知视频语料库检索（DA-VCR），目标是从大规模视频语料库中检索与问题最相关的视频片段；第三是视频语料库难度感知时间答案定位（DA-TAGVC），结合了检索与时间定位的双重挑战。所有赛道均使用统一的难度标注体系，确保评估的公平性和可比较性。
为了构建这个基准，研究者从公共医学教学频道收集了大量视频素材，覆盖了急救、紧急响应、康复护理、普通医学教育等多个关键领域。每个视频片段都经过人工审核并标注了难度级别，同时提供了对应的多语言字幕。数据集的设计充分考虑了实际医学教育场景的多样性，例如在急救视频中，简单问题可能询问“患者应该保持什么姿势”，而复杂问题可能需要理解“为什么在特定情况下不能使用止血带”。这种设计使得DA-MIVQA成为一个贴近真实应用需求的评测框架。
论文详细阐述了任务的设计动机、数据集的构建流程、评估指标的选取、参与团队的统计结果以及获胜系统的技术特点。据论文披露，共有来自海内外高校和企业的多个团队参与了挑战，部分系统在简单问题上取得了优异表现，但在复杂问题上仍有显著提升空间。DA-MIVQA不仅为医学视频问答领域提供了一个标准化的测试平台，也为未来研究指明了方向——如何设计更强大的多模态融合模型来应对多样化的推理需求。论文共21页，包含1张示意图和5张统计表格，完整呈现了本次共享任务的方方面面。