STRIVE-D：用结构化 grounding 检索复杂驾驶视频

STRIVE-D 是一个面向驾驶视频的数据校准检索框架，用弱标注的域内视频估计查询规则何时可靠、修正与数据不符的规则，并把校准后的规则分数与视觉语言、关键词检索信号融合。在三个驾驶基准（含 DrivingDojo 新发布的人工标注事件数据）上，其 top-1 准确率相比 SOTA 最高提升 84%。该工作已被 NeurIPS 2026 接收。