Flipped-VQA

翻转问答顺序，让LLM更懂视频因果

Flipped-VQA 是一个面向视频问答（VideoQA）的推理框架，核心思想是让大型语言模型（LLM）作为时间与因果推理器，通过翻转视频问答中的问题与答案生成顺序来提升推理能力。传统方法通常先看视频再回答问题，而 Flipped-VQA 先让模型基于问题生成候选答案，再结合视频内容进行验证和修正，从而更有效地利用视频中的时间动态和因果线索。项目提供了完整的训练与评估代码，支持多种视频特征提取和 LLM 接口，并基于 EMNLP 2023 论文实现。它解决了视频问答中模型难以捕捉事件时序和因果关系的问题，显著提升了在复杂视频问答基准上的表现。核心能力包括：翻转式推理范式、多模态特征融合、以及可扩展的 LLM 集成。