AITP：多式联运交通事故责任分配 大语言模型

多模态 大语言模型（MLLM）在交通事故检测（TAD）和交通事故理解（TAU）方面取得了显着进展。然而，现有研究主要集中在事故视频的描述和解释上，为更深层次的因果推理和法律知识的整合留下了空间。交通事故责任分配（TARA）是一项更具挑战性的任务，需要基于交通法规的多步骤推理。为了解决这个问题，我们引入了 AITP（人工智能交通警察），这是一种用于责任推理和分配的多模式 大语言模型。 AITP 通过多模态思维链 (MCoT) 机制增强推理，并通过检索增强生成 (RAG) 整合法律知识。我们进一步提出了 DecaTARA，这是一个十项全能式的基准，将十个相互关联的交通事故推理任务与 67,941 个带注释的视频和 195,821 个问答对统一起来。大量实验表明，AITP 在责任分配、TAD 和 TAU 任务上实现了最先进的性能，为推理驱动的多模态流量分析建立了新的范例。