已收录文章摘要，完整内容可前往原文阅读。
同一个问题、同一段视频，直接交给模型时能答对，放进几轮对话后，却可能答错。问题究竟出在看不懂，还是没有用对上下文？随着多模态助手从单次问答走向连续交流，用户的提问也会自然地承接上文，或回到之前看过、听