猫眼影戏
 |
|
猫眼影戏
李孝廉
手机审查
猫眼影戏记者 周绪红 报道Q8X2R7L1T4J5M9B6W3
随着多模态大模子（MLLMs）的飞速生长，模子已经能够很好地明确视频中 “爆发了什么（What）”，却无法精准地定位到事务在视频中 “何时爆发（When）” 。这种视频时序定位（Video Temporal Grounding, VTG）能力的严重缺陷，已成为制约 MLLM 迈向更细腻化的视频明确的主要瓶颈 。
恒久以来，大宗研究致力于设计重大的模子结构，却忽视了两个要害问题：在数据层面，我们依赖的评测基准是否可靠？在算法层面，是否保存一套精练通用的最佳实践？
针对上述痛点，来自南京大学、腾讯 ARC Lab 和上海 AI Lab 的联合研究团队提出了TimeLens（时间透镜），系统性地展现了现有数据的“评测陷阱”，构建出更可靠的评测基准和高质量训练数据，并探索出一套精练有用的算法优化 。得益于这些孝顺，仅8B 参数的 TimeLens 模子成为了开源模子中的新 SOTA，更击败了 GPT-5 和 Gemini-2.5-Flash 等闭源巨头 。
论文问题：TimeLens: Rethinking Video Temporal Grounding with Multimodal LLMs论文链接： https://arxiv.org/abs/2512.14698项目主页： https://timelens-arc-lab.github.io/代码链接： https://github.com/TencentARC/TimeLens
焦点洞察：拨开数据质量的迷雾
在深度学习中，“Data is fuel”（数据即燃料）是公认的真理 。然而，团队发明，在 VTG 领域，燃料的质量却令人担心 。
1. 现有基准的 “隐形陷阱”
研究团队通过一套标注流水线，对 Charades-STA、ActivityNet Captions 和 QVHighlights 等主流基准举行了严酷的人工核验，发明这些基准数据集中充满着大宗的标注过失 。许多样本中的文本形貌模糊不清，或是文本形貌的事务在视频中基础未泛起 。标注方面，也保存大宗的时间界线标注过失，或是统一形貌对应了视频中的多个片断却只标注了其中之一（漏标） 。统计数据显示，这些过失在现有基准中的比例极高 。
2. TimeLens-Bench：对评估效果的“拨乱横竖”
为相识决现有数据集中保存的严重过失，团队构建了严酷的标注准则，对上述三个基准数据集举行了周全的修复和重新标注，推出了TimeLens-Bench 。这是一个经由严酷交织验证的高质量评测基准，能够更真实地反应模子的时序定位能力 。
将 TimeLens-Bench 和原始 Benchmark 上的评测效果举行比照，揭破了过往评估效果的不可靠—— 旧基准严重高估了开源模子的能力，而掩饰了前沿闭源模子（如 Gemini）的真实水平 。TimeLens-Bench 对这一过失举行了拨乱横竖，事实上，现有开源模子仍显着落伍于闭源模子 。
3. 高质量训练数据：TimeLens-100K
针对同样低质量的训练数据，团队设计了一套自动化流水线，对训练数据举行了大规模的洗濯和重标，宣布了高质量的大型训练数据集 TimeLens-100K 。实验证实，数据质量的提升能带来显著的性能增添 。
算法设计的“最佳实践”
在夯实数据基础后，TimeLens 进一步对 MLLM 在 VTG 使命上的算法设计举行了全方位的消融实验，从时间戳编码到训练范式，总结出一套精练有用的 “最佳实践” 。
1. 精练有用的时间戳编码
时间戳编码（timestamp encoding）是 VTG 使命中的要害模子结构设计，决议了模子能否准确地感知到输入的每一视频帧的采样时间 。
团队周全地比照了种种时间戳编码方法的优劣 。实验效果批注，最优的时间戳编码方法是简朴的交织文本编码（Interleaved Textual Encoding） 战略，即在每一帧的视觉 Token 前插入文本形式的时间戳 token 。这种要领无需修改 LLM 的底层架构，包管了实现上的精练，同时还能取得最优的效果 。
2. 训练范式：Thinking-free RLVR 的胜利
随着 DeepSeek-R1 等一系列事情的提出，带有可验证奖励机制的强化学习（RLVR）范式在提升模子推理能力方面的作用备受关注 。而在 VTG 领域，关于训练范式的几个要害问题尚无定论：
有监视微调（SFT）仍是 VTG 领域最为主流的训练范式，RLVR 范式在同样的训练开销下，是否显着优于 SFT？时序定位使命是一个以感知 (Perception) 而非推理 (Reasoning) 为主的使命 。针对这样的使命举行 RLVR 训练时，显式的思索历程（thinking）是否是必需的？SFT+RLVR 的多阶段训练，是否比单阶段训练的效果更好？
TimeLens 比照了多种训练范式的优劣 。结论出人意料且极具启发性：单阶段的 Thinking-free RLVR 训练范式在盘算效率和性能上均取得了最优 。该范式直接让模子输出定位效果，并凭证定位准确率（IoU）给予奖励 。这种方法不需要天生冗长的中心思索历程，训练和推理效率高于 Thinking-based RLVR 范式和多阶段训练范式，且性能优于 SFT 范式 。
这一效果批注，关于时序定位这种偏向感知（Perception-heavy）的使命，显式的思索历程不是必需的 。 模子可以直接学习从使命输入到输出的映射，不需要举行重大的逻辑推理 。
3. 要害训练技巧：Early Stopping 与 Difficulty-based Sampling
针对Thinking-free RLVR范式，团队举行了越发深入的实验探讨，发明了两个要害的训练技巧 。
首先，与 SFT 中 “训练越久越好” 的共识差别，在 RL 训练中，当奖励指标进入平台期后，就应该接纳早息兵略（Early Stopping） 连忙阻止训练，在该阶段之后继续训练反而会使得模子的性能下降 。
其次，基于难度的数据采样（Difficulty-based Sampling） 至关主要 。纵然数据的标注质量有包管，也并非所有的数据都适适用于 RLVR 训练 。需要预先使用待训练的模子举行推理，评估每个训练样本的难度，采样足够具有挑战性的样本举行 RLVR 训练，才华最洪流平上提升模子的性能 。
实验验证：8B 模子逆袭闭源巨头
研究团队将上述数据和算法层面的所有刷新聚合在了一起，每一项手艺都带来了显着的性能提升，最终获得了 TimeLens 系列模子 。
评测效果批注，TimeLens-8B 展现出了惊人的性能，不但大幅逾越了 Qwen3-VL 等开源模子成为新的开源 SOTA，更以 8B 的参数目，在多项焦点指标上周全击败了 GPT-5 和 Gemini-2.5-Flash 等前沿的闭源模子 。
这一效果有力地证实晰：在 VTG 使命中，通过系统性地提升数据质量并接纳有用的算法设计，开源小尺寸模子完全具备挑战甚至逾越闭源大模子的能力 。
总结
TimeLens 的孝顺不止于一个 SOTA 开源模子 。团队在数据和算法双维度的系统性探索，为后续研究提供了极具参考价值的要领论与设计蓝图 。
现在，TimeLens 的代码、模子、训练数据和评测基准都已开源，希望能为未来的视频时序定位研究提供一个更好的起点 。
??时势1：mm1313亚洲国产精品美女
??01月11日,中蒙跨境自驾游“万里茶道”蓝色之旅启动,
“族长爷爷你逐步细说 。”小不点求知欲很强，此时大眼明亮而清亮 。
,免费人成在线的网站 。??01月11日,【高质量发展调研行】潮玩老手艺，打卡新部落！看浙江宁波如何将非遗与产业结合,
“妖月，一念花开，枯木再生，生命力强盛，搬血境无人可逾越 。”
,18 勒,亚a在线视频,大 美女喷水动漫 。??时势2：AI迪丽热巴性做爰A片
??01月11日,新春的牵挂,
列位先生，同志们，抚今追昔，心潮汹涌;展望明朝，信心百倍 。我们要坚持“心齐、气顺、劲足、实干”的精神状态，同心同德，发挥创业精神，捉住机缘，开拓进取，再创绚烂!
,芙宁娜被 黄漫扒衣服游戏,黄9·1安装最新版下载,免费无遮挡 漫画网站下载樱桃 。??01月11日,11月13日央行开展2330亿元7天期逆回购操作,
逃进水路，以为清静的人突然惨叫，那里有数十米长的大蛇翻腾，张开血盆大口一下子就吞掉了四五人 。
,毛片a片,久久精品色色网,伊人狠狠色丁香婷婷综合柔术 。??时势3：亚洲欧美黄
??01月11日,广东梅大高速茶阳路段塌方灾害首位伤员出院,
由此可以看出，要让孩子自强、自信、自主：
,扒开日本老师,纲手 狂揉 难受,人人艹人人操人人草 。??01月11日,青海撒拉尔之乡：航拍油菜梯田花开如画,
这样强盛的攻击手段可以称之为宝术，都是被各富家秘而珍之的神通！
,91自拍视频在线看,毛毛黄色A片,JJzz污 。??时势4：91人人插人人操
??01月11日,把岁月过成书的模样 “年货”日历书焕新升级,
少女进一步诠释，这里是上古神明构建的天下，诸神思量的很周详，其中有一项就是可以在此地作育潜力强盛的子女 。
,雷电将军裸身被 自慰喷水,人妻熟妇女乱又伦精品视频,欧美亚洲国产一区二区三区VR 。??01月11日,深圳各口岸迎来多轮出入境客流高峰 湾区跨境流动日益频密,
同砚们，我们就像是一条小船，在生涯这片海洋里航行，我们是在海洋中迷失偏向而沉于海底，照旧乘风破浪驶到乐成的彼岸，这正成了我们现在应该思索的一个主要问题 。 以是我讲第二个词是意志 。
,96人人操人人爱,性爱短视频欧美,无码日韩毛片片aa免费 。责编：赵晓菁
审核：胡安·卡洛斯
责编：保田圭
Copyright (C) 2001- Dzwww 鲁ICP备09023866号-1
