SciEducator：基于德明循环多智能体系统的科学视频理解与教育
计算机视觉与模式识别
2025-11-25 v1
摘要
最近的多模态大型语言模型（MLLMs）和视频智能体系统的进展显著提高了通用视频理解能力。然而，当应用于科学视频理解和教育这一需要外部专业知识集成和严格分步骤推理的领域时，现有方法往往难以胜任。为弥合这一差距，我们提出了SciEducator，即一个用于科学视频理解和教育的首个迭代自我演化多智能体系统。根植于管理科学中的经典德明循环，我们的设计将其计划-执行-检查-行动（Plan-Do-Study-Act）哲学转化为自我演化的推理和反馈机制，促进对视频中复杂科学活动的解释。此外，SciEducator可以针对特定科学过程生成量身定制的多模态教育内容，包括文本指令、视觉指南、音频叙述和交互式参考。为支持评估，我们构建了SciVBench，一个包含500个由专家验证并基于文献 grounding 的科学QA对，覆盖五个类别，涵盖物理、化学和日常现象。广泛的实验表明，SciEducator在该基准上显著优于领先的闭源MLLMs（如Gemini、GPT-4o）和最先进的视频智能体，树立了社区的新范式。
引用
@article{arxiv.2511.17943,
title = {SciEducator: Scientific Video Understanding and Educating via Deming-Cycle Multi-Agent System},
author = {Zhiyu Xu and Weilong Yan and Yufei Shi and Xin Meng and Tao He and Huiping Zhuang and Ming Li and Hehe Fan},
journal= {arXiv preprint arXiv:2511.17943},
year = {2025}
}