**EgoTools:首个面向第一人称视频工具使用理解的基准与数据集**

_EgoTools: Towards Tool-Centric Reasoning in Real-World Egocentric Videos_

> EgoTools 是首个针对真实世界第一人称(Egocentric)视频中工具使用理解的综合性资源,包含 100 小时带同步音频和密集标注的数据集(EgoTools-Data)及 1000 个问答对组成的诊断基准(EgoTools-Bench)。该基准涵盖感知、几何、程序及因果推理四个维度,实验显示当前多模态模型在工具使用推理上仍有显著不足,而基于 EgoTools-Data 的微调可显著提升 Qwen3-VL 等模型的性能。

**来源信息**
- **来源**:HuggingFace Daily Papers(社区热门论文)
- **分类**:论文
- **发布时间**:2026-10-02 08:00(北京时间)
- **原文**:[打开原文](https://huggingface.co/papers/2609.39378)