Многоагентная система для всестороннего анализа футбола

Multi-Agent System for Comprehensive Soccer Understanding

May 6, 2025

Авторы: Jiayuan Rao, Zifeng Li, Haoning Wu, Ya Zhang, Yanfeng Wang, Weidi Xie

cs.AI

Аннотация

Последние достижения в области понимания футбола с использованием ИИ демонстрируют быстрый прогресс, однако существующие исследования в основном сосредоточены на изолированных или узких задачах. Чтобы устранить этот пробел, мы предлагаем комплексную структуру для целостного понимания футбола. В частности, в данной статье мы делаем следующие вклады: (i) мы создаем SoccerWiki, первую крупномасштабную мультимодальную базу знаний о футболе, интегрирующую богатые знания о игроках, командах, судьях и аренах для обеспечения рассуждений на основе знаний; (ii) мы представляем SoccerBench, самый крупный и всеобъемлющий футбольный бенчмарк, содержащий около 10 тысяч стандартизированных мультимодальных (текст, изображение, видео) вопросов с множественным выбором, охватывающих 13 различных задач понимания, созданных с использованием автоматизированных процессов и ручной проверки; (iii) мы представляем SoccerAgent, новую мультиагентную систему, которая разбивает сложные футбольные вопросы с помощью совместного рассуждения, используя экспертные знания из SoccerWiki и достигая высокой производительности; (iv) обширные оценки и абляции, которые сравнивают современные MLLM на SoccerBench, подчеркивая превосходство нашей предложенной агентной системы. Все данные и код доступны по адресу: https://jyrao.github.io/SoccerAgent/.

English

Recent advancements in AI-driven soccer understanding have demonstrated rapid progress, yet existing research predominantly focuses on isolated or narrow tasks. To bridge this gap, we propose a comprehensive framework for holistic soccer understanding. Specifically, we make the following contributions in this paper: (i) we construct SoccerWiki, the first large-scale multimodal soccer knowledge base, integrating rich domain knowledge about players, teams, referees, and venues to enable knowledge-driven reasoning; (ii) we present SoccerBench, the largest and most comprehensive soccer-specific benchmark, featuring around 10K standardized multimodal (text, image, video) multi-choice QA pairs across 13 distinct understanding tasks, curated through automated pipelines and manual verification; (iii) we introduce SoccerAgent, a novel multi-agent system that decomposes complex soccer questions via collaborative reasoning, leveraging domain expertise from SoccerWiki and achieving robust performance; (iv) extensive evaluations and ablations that benchmark state-of-the-art MLLMs on SoccerBench, highlighting the superiority of our proposed agentic system. All data and code are publicly available at: https://jyrao.github.io/SoccerAgent/.