EgoTools：面向真实第一视角视频的工具中心推理

针对现有多模态视频模型在工具使用推理上的不足，研究者提出 EgoTools，聚焦真实第一视角视频中以工具为中心的推理任务。该任务要求模型理解可供性、手-工具-物体几何关系、流程进展以及工具对目标物体的因果影响，而不仅是字幕生成和通用视频问答等感知类任务。