用途：在 VLM 完成二分类（是/否）评测后，将模型回答与真值对比，找出失败样本，供下游 RCCA 阶段（如 cosmos 生成、根因分析）驱动 DEFT 迭代。
主要能力：读取预测 JSON，逐条比对模型回答与真值，把 FP（假阳性）和 FN（假阴性）案例写入 JSONL，并生成计数报告。
使用方式：在 TAO Toolkit 数据服务容器内调用 vlm_bcq 动作，使用 Hydra 风格 key=value 覆盖参数，例如：gap_analysis vlm_bcq
predictions_json=/path/to/results.json
results_dir=/path/to/output/gaps
若预测中的 video_id 为相对路径，需额外传入 videos_dir：gap_analysis vlm_bcq
predictions_json=/path/to/results.json
results_dir=/path/to/output/gaps
videos_dir=/path/to/videos/root
运行后从 kpi_gaps_report.txt 查看 FP/FN 数量，并让下游阶段使用 kpi_gaps.jsonl。
输入：predictions_json 必填，须为 JSON 数组，每项含 video_id、response、gt 字段；response 与 gt 通过词边界匹配识别字符串中的 yes 或 no。videos_dir 可选，用于解析相对 video_id；省略时按绝对路径使用。两者均含或均不含 yes/no 的样本会被跳过并记录警告。
输出：kpi_gaps.jsonl 每行一个 FP/FN 对象，字段含 video_id（绝对路径）、error_type（FP 或 FN）、question、ground_truth、response；kpi_gaps_report.txt 为含总 FP/FN 计数的可读表格。若未发现缺口，则不写文件并记录消息。
常见错误：predictions_json 不存在报 FileNotFoundError；非数组报 ValueError: must be a JSON array；缺少 gt/response/video_id 字段报 ValueError。
限制：仅处理二分类是/否任务；样本识别依赖 yes/no 词边界匹配，模糊或同时出现两者会被跳过；其他平台、收费与效果信息暂未提供。