知识卡片：语义动作图：面向体育集锦中智能体生成依据与人类解释的共享表示

一句话结论

论文提出一种轻量、人类可读的“语义动作图”领域模式，把体育比赛表示为带角色、时间和结果边的动作事件网络，并在 SportSAGE 设计探针中用同一结构同时支撑智能体生成解说集锦与观众查询、导航和解释比赛集锦；12 名足球球迷的反馈提供了早期证据，但样本与评估细节有限。

事件概述或研究问题

生成式智能体正越来越多地用于挑选和解说视频集锦，但它们通常运行在非结构化或帧级表示之上，导致观众难以验证其输出，也难以按个人偏好进行引导。论文提出 Semantic Action Graph（语义动作图），试图用一个共享的领域模式，同时服务两个消费者：合成解说集锦的智能体流程，以及查询和检查同一结构的可视化界面。研究问题可概括为：能否用一个小型、人类可读的模式同时为智能体生成提供依据并支持人类解释。

方法/产品要点

• 图模式结构：将体育比赛表示为五类节点：performer、action、recipient、moment、state；通过 role、temporal、outcome 三类边连接。
• 三项关键特性：1）连接的事件序列；2）共享、封闭的词汇表；3）可定位到帧的 moment。
• 双重消费者：同一图结构既供智能体流程组合带解说的集锦，也供可视化界面让观众查询和检查。
• SportSAGE 设计探针：将一个四模块集锦流程与图界面配对；四模块的具体组成在摘要中未展开，待核实。
• 用户反馈：报告了 12 名足球球迷的反馈；参与者对生成集锦和解说的质量表示满意，并使用图界面搜索、导航和解释比赛集锦。

主要结果或产业意义

• 主要结果：参与者对生成集锦与叙事质量满意，并使用图界面进行搜索、导航和解释；作者认为这提供了早期证据，表明一个小型、人类可读的模式可以同时为智能体生成提供依据并支持人类解释。
• 潜在产业意义：对体育媒体中的可验证、可操控、可个性化集锦生成，以及“图界面作为人机共享控制面板”的产品形态有潜在启示；具体落地效果、跨运动泛化和商业可行性待核实。
• 非已验证结论：摘要未报告量化指标、统计检验或与基线系统的比较，因此不能将用户满意度视为已充分证明的普遍性能优势。

为什么重要

• 针对生成式智能体输出难以验证、难以按偏好调节的问题，提出一种共享中间表示，让智能体生成与人类检查建立在同一结构上。
• 共享封闭词汇与帧可寻址 moment 可能有助于对齐自动解说、事件定位与观众检索需求，但这仍需更多评估确认。
• 与已有“基于超图表示学习与图条件扩散的综合对撞机事件重建”卡片相比，本条同样关注结构化图表示，但领域、任务和消费者不同；增量在于强调同一人类可读 schema 同时服务生成式智能体与交互界面。

局限与不确定性

• 用户反馈仅来自 12 名足球球迷，属于小样本设计探针；是否有统计显著性、量化评分或对照条件，待核实。
• 对其他运动项目、其他语言/文化观众、非球迷观众的泛化性，待核实。
• 四模块集锦流程的具体模块、语义动作图的自动构建方法、事件识别准确率、图界面交互细节，待核实。
• 与现有集锦生成或视频理解方法的基线比较、可复现资源、数据来源与版权/隐私处理，待核实。
• 论文当前为 arXiv v1 预印本状态；同行评审与后续版本情况，待核实。

可用于图书/PPT/简报的角度

• 把结构化表示作为生成式智能体的“可检查中间层”：从黑箱输出转向可查询、可导航的事件图。
• 体育集锦的可解释与可操控叙事：如何让观众按偏好搜索、导航和解释比赛关键时刻。
• 图界面作为人机协作的共享控制面板：同一 schema 同时服务机器生成与人类理解。
• 小样本设计探针在产品概念验证中的作用：早期用户反馈能说明什么、不能说明什么。
• 跨领域图模式对比：从对撞机事件重建到体育动作事件表示，结构化图如何承担领域约束与人机接口双重角色。

原始材料

• 英文标题：Semantic Action Graph: A Shared Representation for Agent Grounding and Human Interpretation of Sports Highlights
• 英文关键词（材料未单独列出，以下为据标题与摘要提取，非原文关键词表）：Semantic Action Graph; agent grounding; human interpretation; sports highlights; SportSAGE; graph interface; design probe; generative agents; soccer fans
• 作者：Tica Lin, Deepak Chandran, Gauri Jagatap, Chen Chen, Andrea Fanelli, David Gunawan, Josh Kimball
• arXiv ID：2609.20768v1
• Published / Updated：2026-09-17T17:46:03Z
• Primary category：cs.HC
• Categories：cs.HC, cs.AI
• Abstract URL：https://arxiv.org/abs/2609.20768v1
• PDF URL：https://arxiv.org/pdf/2609.20768v1