强大的 训练的 数据集 现有的 射击方法 推理 丰富的 新型的 提出 局限性 信息 全面的 互动 视觉模型 模型 学习 方法 解码器 探测器 提出的 语言 上下文 LLM 相互作用 互作用 优于 HOI 广泛的 交互的 看到 检测方法