在NLPCC 2026上，研究團隊正式釋出了難度感知醫學教學影片問答（DA-MIVQA）共享任務，這是繼NLPCC 2023至2025年舉辦的CMIVQA、MMI-VQA和M4IVQA挑戰賽之後的又一重要進展。DA-MIVQA旨在建立一個更加精細化的評估基準，以衡量多模態醫學影片理解系統在不同推理難度下的表現。該任務的核心創新在於引入了難度感知機制，根據問題所需證據的來源和複雜度將問題明確區分為簡單和複雜兩大類。簡單問題通常可以透過影片字幕中的文本線索直接回答，而複雜問題則需要系統具備視覺定位、程式性理解以及跨模態證據整合的高階能力。這種區分使得研究者能夠更深入地瞭解模型在不同認知層面的優勢和不足。
DA-MIVQA共包含三個獨立的賽道，分別針對不同應用場景：第一是單影片難度感知時間答案定位（DA-TAGSV），要求系統在單個教學影片中定位與問題相關的時間段並給出答案；第二是難度感知影片語料庫檢索（DA-VCR），目標是從大規模影片語料庫中檢索與問題最相關的影片片段；第三是影片語料庫難度感知時間答案定位（DA-TAGVC），結合了檢索與時間定位的雙重挑戰。所有賽道均使用統一的難度標註體系，確保評估的公平性和可比較性。
為了構建這個基準，研究者從公共醫學教學頻道收集了大量影片素材，覆蓋了急救、緊急響應、康復護理、普通醫學教育等多個關鍵領域。每個影片片段都經過人工稽核並標註了難度級別，同時提供了對應的多語言字幕。資料集的設計充分考慮了實際醫學教育場景的多樣性，例如在急救影片中，簡單問題可能詢問“患者應該保持什麼姿勢”，而複雜問題可能需要理解“為什麼在特定情況下不能使用止血帶”。這種設計使得DA-MIVQA成為一個貼近真實應用需求的評測框架。
論文詳細闡述了任務的設計動機、資料集的構建流程、評估指標的選取、參與團隊的統計結果以及獲勝系統的技術特點。據論文披露，共有來自海內外高校和企業的多個團隊參與了挑戰，部分系統在簡單問題上取得了優異表現，但在複雜問題上仍有顯著提升空間。DA-MIVQA不僅為醫學影片問答領域提供了一個標準化的測試平臺，也為未來研究指明瞭方向——如何設計更強大的多模態融合模型來應對多樣化的推理需求。論文共21頁，包含1張示意圖和5張統計表格，完整呈現了本次共享任務的方方面面。