MSUE：多模式足球理解专家

本文介绍了我们应对 2026 SoccerNet VQA 挑战赛的解决方案。我们首先开发了一个由视觉语言模型 (VLM) 驱动的经济有效的数据合成管道，该管道系统地将原始领域数据重组为不同的 VQA 样本，包括简洁的答案和长格式的响应。其次，我们提出了 MSUE，这是一种多专家问答架构，它采用 大语言模型 (LLM) 动态地将问题分派给文本、图像和视频专家。这些专家分别被实例化为强大的文本基线 Gemini3-Flash、微调的 Qwen3-VL 和外部知识库，协同工作以增强 VQA 性能。 MSUE 在挑战基准测试中达到了 \textbf{0.95} 的准确度，在排行榜上名列第三。