**TimeLens2：基于多模态大模型的通用视频时间定位**

_TimeLens2: Generalist Video Temporal Grounding with Multimodal LLMs_

> HuggingFace Daily Papers 推荐论文 TimeLens2 解决了视频多模态大模型难以精确定位证据时间段的问题。该模型通过构建可靠的多跨度监督信号和引入时序 Wasserstein 奖励机制，实现了跨视频长度、领域和查询形式的通用时间定位。实验显示，TimeLens2-2B/4B/8B 在七个基准测试中均超越现有基线，其中 4B 和 8B 变体达到最先进性能，显著优于参数量高达 397B 的开源模型。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-07-21 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2607.17423)