TLG：基于源标注重构与类别定向推理的视频问答时序逻辑 grounding

本文针对 TimeLogic 挑战中视频语言模型因无法定位动作时间而导致时序逻辑推理性能低下问题，提出 TLG 系统。该系统包含三层架构：首先利用源数据集标注重构动作时间线，将问题解析为时序逻辑程序并确定性执行；其次在无标注时回退至强开放 VLM；最后仅将 VLM 表现最弱的类别路由至前沿推理模型。实验表明，TLG 将测试准确率从 46.9% 提升至 71.37%，证明真实标注而非更大模型是提升精度的关键。