在NLPCC 2026中，我们推出了困难感知医疗教学视频问答（DA-MIVQA）共享任务，旨在扩展之前的多语言和多模态医疗视频基准。该任务明确区分问题，根据回答所需证据的类型和复杂性进行分类。简单问题通常可以通过字幕文本线索回答，而复杂问题则需要视觉定位、过程理解和跨模态证据整合。
DA-MIVQA 任务包含三个子任务：
- 困难感知单视频答案定位（DA-TAGSV）
- 困难感知视频语料库检索（DA-VCR）
- 困难感知视频语料库中的答案定位（DA-TAGVC）
数据集来自公共医疗教学频道，涵盖急救、应急响应、康复、护理和一般医学教育等多种场景，并经过人工验证并附有困难度标注。本文介绍了任务动机、数据集构建、评估协议、参与概况、竞赛结果及DA-MIVQA的代表性系统。DA-MIVQA为评估在不同文本、视觉、时间和过程推理要求下的医疗教学视频问答系统提供了实用的基准。
博主点评： 该任务的引入不仅丰富了医疗视频问答的研究领域，还促进了多模态学习的深入发展。通过明确区分问题的复杂性，DA-MIVQA为系统的评估提供了更具针对性的标准，值得研究者关注。