**迈向一对多时序定位**

_Towards One-to-Many Temporal Grounding_

> 文章提出了一对多时序定位(OMTG)任务，旨在根据文本查询定位视频中的多个不连续片段。研究建立了首个OMTG基准，引入计数准确度(C-Acc)和有效时序F1(EtF1)指标，并构建了56k样本的OMTG数据集。通过设计时序和字幕奖励函数，利用思维链推理从密集视频字幕中引导策略优化，模型在OMTG Bench上达到43.65%的EtF1，比Gemini 2.5 Pro和Seed-1.8分别高出15.85%和15.61%。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-06-05 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2606.06294)