概念Temporal Grounding / TG
时序定位
要求模型输出被引用目标在视频中出现的时间区间，通常以起止时间戳表示，评价指标常采用 IoU 或 mIoU 来衡量模型能否将语言描述锚定到时间轴上的正确片段。
核心事实
时间轴 (近 90 天)
10月14日
OmniCompass 每条轨道包含三类互补任务：时序定位（TG）、空间定位（SG）和问答（QA）。
待验证50%
10月14日
即便在领先模型上，精确的时序与空间定位仍然是尚未解决的核心挑战，模型在粗粒度语义理解上表现尚可，但在精确定位任务上有明显缺口。
待验证50%
9月12日
视频内容的多模态理解需要综合运用语音转文字、场景识别、物体检测等能力
已验证75%