Model details
模型介绍
中文整理TimeLens-8B
模型描述
TimeLens-8B是一个多模态大语言模型，基于Qwen3-VL-8B-Instruct微调而成。该模型采用论文中提出的RLVR（基于可验证奖励的强化学习）方法进行训练，使用了高质量的VTG训练数据集TimeLens-100K。
主要能力
TimeLens-8B在开源模型中实现了最先进的视频时序定位性能，能够根据文本描述在视频中定位相关时间段。
性能表现
在三个基准数据集上的主要指标：
Charades-TimeLens数据集：R1@0.3达76.6，R1@0.5达63.0，R1@0.7达35.2，mIoU达55.2
ActivityNet-TimeLens数据集：R1@0.3达68.9，R1@0.5达58.4，R1@0.7达40.6，mIoU达53.2
QVHighlights-TimeLens数据集：R1@0.3达80.2，R1@0.5达71.6，R1@0.7达55.5，mIoU达65.5
输入输出
输入：视频文件及文本查询
输出：视频中对应的时间段定位结果
运行要求
基于Qwen3-VL-8B-Instruct架构运行
基本用法
使用HuggingFace Transformers库进行推理
Quote
如在研究或应用中使用该工作，请引用相关论文
优先采用原作者提供的中文模型卡片；仅有英文说明时由闲社AI翻译整理。重要参数、许可证和商用范围请以原文为准。
你将获得什么
完整仓库方式包含该固定版本中的权重、配置、分词器及说明文件；指定版本方式只下载所选文件或整组分片。多模态模型的投影文件、配置等依赖，请按作者说明配齐。
完整仓库可能包含多个权重格式，因此需要的磁盘空间可能大于单一格式的模型大小。下载文件不等于完成模型部署。
使用前须知
运行环境运行模型需要的设备、工具与依赖，以原作者说明为准。
授权范围是否允许商用、修改和分发，请查看模型许可证。
闲社提供资料与镜像下载方法，不代表已运行模型或完成安全审计。下载的代码应先检查，再执行。
Problem with the information or download?
Sign in to submit feedback.
