基准质量分析

TimeLens：重新审视多模态大语言模型的视频时序定位

TimeLens: Rethinking Video Temporal Grounding with Multimodal LLMs

对做视频-语言理解的人，这篇给出了把 MLLM 训练成强时序定位器的完整配方：交错文本时间编码、免思维链的 RLVR 训练范式，以及一套可复用的高质量重标注流程与修正后的评测基准，可直接用于重训或重评自己的时序定位模型。