TimeThink：面向视频大语言模型的时间推理

视频推理要求模型在长视频序列中识别并验证时间定位的证据。现有视频大语言模型（Video-LLMs）虽经强化学习对齐展现出推理能力，但多依赖仅监督最终预测的结果奖励，缺乏对中间推理过程中如何发现相关时间证据的指导。本文提出 TimeThink，一种显式引导 Video-LLMs 进行时间证据发现的强化学习框架。其核心思想是将时间线索步骤视为视频推理的基本优化原语，每一步推理均引用视频中的候选时间区间。我们引入了逐步时间过程奖励以提供局部信用分配，并结合过程 - 结果联合优化目标以平衡推理保真度与任务正确性。为实现可扩展训练，构建了包含自动推导时间证据段的 TimeThink-RFT-20K 数据集。实验表明，该方法在多项基准上显著提升了时间定位与推理性能。