97人人澡人人透人人爽,海量高清资源免费畅享,热门影视综艺一网打尽

k1体育麻将胡了

搜索 猫眼影戏 融媒体矩阵
  • 山东手机报

  • 猫眼影戏

  • 公共网官方微信

  • 公共网官方微博

  • 抖音

  • 人民号

  • 天下党媒平台

  • 央视频

  • 百家号

  • 快手

  • 头条号

  • 哔哩哔哩

首页 >新闻 >社会新闻

南大腾讯联合提出TimeLens ,数据+算法全方位升级

2026-01-10 13:49:40
泉源:

猫眼影戏

作者:

刘继兴

手机审查

  猫眼影戏记者 方晨阳 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:A片无网

??01月10日,在杭留学生走进建德千鹤村 感受“妇女能顶半边天”力量,

  现在我们坐在了整齐明亮 ,装有暖气的课堂里学习 ,课堂里的每一个地方都温暖宜人。皎洁平滑的地面映出了我们无邪可爱的笑容。学校里为我们配备了微机室 ,越来越多的现代化教学装备走进学校 ,走进课堂。让我们在种种各样的兴趣小组中挥毫泼墨。在上课时 ,先生接纳的是启发式教学 ,先生先提出问题 ,然后和我们一起找谜底。让我们有了更多的加入性 ,互动性。现在先生不必随处托人买教辅书 ,电脑上应有尽有;箍梢杂玫缒员缚 ,制作漂亮形象的课件 ,并且随时在课堂上调出来。

,一人在线观看无码视频。

??01月10日,“网红”城市如何“长红”?江苏政协委员热议支招,

  清早 ,当你跨入学校 ,会闻到花卉树木的清香;步入公园 ,会看到响亮欲滴的草坪和微波激荡的湖水;进入广场 ,会听到轻盈悦耳的音乐。这些完善的情形给我们每小我私家带来新鲜的空气和欢喜的感受。这么漂亮的情形得靠我们携手相助 ,来;で樾 ,敬重公物。才会坚持下去的。个体人破损情形的行为 ,将会给大自然带来重大的损坏。关于学生来说 ,要养成;で樾 ,敬重公物的好习惯。每一小我私家都应当做——;で樾 ,敬重公物的小卫士。

,裸黄视频免费天堂,水蜜桃嫩芽🔞🍆,亚洲h视频在线免费观看。

??时势2:黄色网页入口

??01月10日,(新春走基层)兰州新区农业升级增效锦上添“花”:30万枝郁金香香飘全国,

  在搞好妄想的同时 ,还要重视城镇治理。关于一个城镇 ,“三分建设 ,七分治理”。这次省里城镇化事情聚会 ,省长提出了细腻治理的提法 ,这里 ,我就推进都会治理由粗放治理向细腻治理转变 ,由古板治理向依法治理转变 ,强调三点。一是实验细腻治理必需提高依法行政水平。城镇治理综合执法是增强细腻治理的有用手段 ,更是政府依法行政的主要内容。在实验城镇治理历程中 ,必需依法治理 ,公正执法 ,切实提高依法行政水平。要进一步建设健全长效治理的规章制度。通过创设和完善一系列规章制度 ,使城镇治理执法事情有法可依 ,有章可循。城镇执法治理是带有强制性的事情 ,必需遵照执法、规则付与的职能和权限举行严酷治理。特殊是对突出问题的整治上 ,运用强制性权力要坚决坚决 ,对违法者要掉臂亲疏、不徇私情、不因人而异。二是实验细腻治理必需提高效劳水平。要坚持执政为民 ,牢靠树立以人为本、治理就是效劳的理念 ,切实增强人性化治理 ,一直提高城镇细腻治理历程中的效劳水平。要寓治理于效劳之中 ,包管管而不死 ,活而不乱 ,市容昌盛兼得。要增强执法步队建设。切实增强培训教育 ,进一步提高全体城管队员的政治素质和营业素质 ,一直增强效劳意识。要实验文明执法 ,城镇治理事情既要严酷治理 ,又要有情操作 ,争取群众的明确和支持。三是实验细腻治理必需增强整体协力。城镇治理事情是一项综合性和动态性很强的系统工程 ,不可一蹴而就 ,更不会一劳永逸;仅仅靠少数人、一两个部分也无法搞好 ,必需充分验展各级政府、相关部分和有关方面的作用 ,形成整体事情协力。要增强都会治理的整体协作。各级公安、工商、建设、房管、交通、水利、市政等部分要亲近配合、配合加入 ,确保都会治理的各项步伐落到实处。要提高宽大市民加入水平。群众是都会的主体 ,其加入水平与都会治理效果、市容情形水平亲近相关。充分调动宽大市民的起劲性和创立性 ,形成普遍的群众基础 ,使自动体贴、起劲加入城镇治理成为宽大群众的自觉行动。要充分验展舆论监视作用。新闻单位要把“镜头”、注重力更多地瞄准治理中的难点和群众体贴的热门问题 ,对市容方面的重点问题、不良倾向举行大胆曝光。增强人民群众维护秩序、美化情形的声誉感、责任感和主人翁意识 ,起劲营造城镇治理的浓重气氛。

,人人愛人人看摸操,性爱A片视频,3d 无尽 动漫 游戏。

??01月10日,代表委员议国是丨共同书写中国式现代化建设新篇章,

  在路上 ,小不点陆陆续续见到了一些人 ,大多都是生意人 ,收支原始山林间 ,去那些较远的部落收购兽皮、仙丹等 ,往返一趟虽然很危险 ,可是利润却极为可观。

,婷婷五月丁香啪,靠逼视频在线观看,欧日亚韩。

??时势3:免费能看的黄色视频在线播放

??01月10日,美对乌军援已中止 10亿美元军火去向不明,

  长大后 ,我们学会顽强。面临难题时 ,我们不退缩 ,而是勇敢地与难题斗争。面临失败 ,我们不再哭泣 ,不再彷徨无助 ,而是坦然接受 ,继续孜孜不倦。我们敢于冒险 ,敢于挑战 ,敢于逾越自己。

,黄片无码在线免费观看,王多鱼和韩婧格免费资料,欧美一级特黄A片免费频下载。

??01月10日,湖北省侨办恭贺2024新春,

  好长时间后它才抬起头 ,眸子中露出奇异之色 ,凶光早已收敛 ,盯着村内的老柳树 ,但却不敢踏进村中半步。

,免费观看a视频,米兰app·体育登录入口,国产久2019免费。

??时势4:亚洲色图你作天

??01月10日,商务部:希望世贸组织成员不要把贸易救济措施当成贸易保护工具,

  1、要集中精神 ,认真学习。现在 ,各人的事情使命很重。事情上的、生产上的许多事情需要我们安排处置惩罚。希望各人妥善安排事情 ,在两天的时间里集中精神 ,认真学习 ,包管时间 ,包管质量 ,静下心来专心听课 ,有始有终地完成好培训使命。各人要看到 ,现代社会是一个充满竞争的社会 ,是一个学习型社会 ,要把增强学习、更新知识、提高素质作为一项恒久性使命 ,顺应现代社会和新形势的要求 ,一直充分提高自己 ,增强驾驭农村事情的能力。

,男女刺激视频无遮挡,www,三级片,伽罗疯狂 喷水自慰爽。

??01月10日,庆祝中法建交60周年大型文艺晚会在巴黎举办,

  “怪不得我啊 ,狻猊宝体尚有离火牛魔的犄角都是至宝 ,任谁不心动 ?并且 ,我族祭灵要突破了 ,也急需大宗的真血。”

,成年动漫人物3d啪啪18禁,黄色,com,丰满老妇好大BBBBB贡洲熟妇。

责编:钱明火

审核:刘欣

责编:万君

相关推荐 换一换

Copyright (C) 2001-   dzwww.com. All Rights Reserved

新闻信息效劳允许证 - 音像制品出书允许证 - 广播电视节目制作谋划允许证 - 网络视听允许证 - 网络文化谋划允许证

山东省互联网传媒集团主理  联系电话:0531-85193202  违法不良信息举报电话:0531-85196540

鲁ICP备09023866号-1   鲁公网安备 37010202000111号  

Copyright (C) 2001- Dzwww   鲁ICP备09023866号-1

网站地图