SurgCoT：通过思想链基准推进手术视频中的时空推理

手术视频的细粒度时空推理至关重要，但多模态 大语言模型 (MLLM) 在该领域的功能在很大程度上仍未得到探索。为了弥补这一差距，我们引入了 SurgCoT，这是一个统一基准，用于评估 7 个外科专业和 35 种不同手术中 MLLM 的思想链 (CoT) 推理。 SurgCoT 通过具有强化注释协议（问题-选项-知识-线索-答案）的结构化 CoT 框架来评估五个核心推理维度：因果动作排序、线索-动作对齐、可供性映射、微转换定位和异常发生跟踪，其中知识字段提供必要的背景上下文，线索提供明确的时空证据。对 10 个领先 MLLM 的评估表明：1）商业模型优于开源和医疗专用变体； 2）手术CoT推理存在显着差距； 3) SurgCoT 可实现有效评估并增强渐进式时空推理。 SurgCoT 提供了一个可重复的测试平台，以缩小 MLLM 功能与临床推理需求之间的差距。代码：https://github.com/CVI-SZU/SurgCoT。