从运动到安全：MLLM 中主动风险推理的基准测试

及时预测物理危害对于现实世界的安全至关重要，但现有的 MLLM 评估侧重于有害内容或一般风险，而主动物理危害预测尚未得到充分探索。体育运动提供了一个非常合适的测试平台：事故原因涵盖不同的伤害维度，事故前的时空线索利用了与更广泛的安全领域（例如自动驾驶和跌倒检测）共享的推理能力。我们引入了 SPRINT（体育主动风险推理测试台），这是涵盖 14 项运动和 3 种环境设置的 2,888 个真实体育视频（2,440 个事故，448 个安全控制）的基准。事故视频对早期危险线索、事故时间和层次原因进行了细粒度注释；安全视频被手动验证为无事故，并用于诊断即时引起的误报。在不同的提示和时间窗口下评估最先进的 MLLM 揭示了危险敏感性和理解之间的巨大差距：最好的模型在发出危险信号方面超过 95%，但在识别其原因方面却低于 50%。诊断实验进一步表明，即使在无危险的视频上，明确的危险查询也会触发严重的误报。这些发现表明，当前的 MLLM 仅表现出肤浅的主动安全性，缺乏稳定、基于原因的早期预警，并强调在动态物理环境中需要可靠的主动安全性。数据和代码将在接受后开源。