重新定义视频大模型时序定位！南大腾讯联合提出TimeLens，数据+算法全方位升级

长期以来，大量研究致力于设计复杂的模型结构，却忽视了两个关键问题： 在数据层面，我们依赖 的评测基 准是否可靠？在算法层面，是否存在一套简洁通用的 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），系统性地揭示了现有数据的"评测陷阱"，构建出更 可靠的评测基准和高质量训练数据，并探索出一套简洁有效的算法优化。得益于这些贡献，仅 8B 参数的 TimeLens 模型成为了开源模型中的新 SOTA ，更击败了 GPT-5 和 Gemini-2.5-Flash 等闭源巨头。 随着多模态大模型（MLLMs）的飞速发展，模型已经能够很好地理解视频中 "发生了什么（What）"，却无法精准地定位到事件在视频中 "何时发生（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 迈向更精细化的视频理解的主要瓶颈。 核心洞察：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，团队发现，在 VTG 领域，燃料的质量却令人 ...