本文提出了一种新型多模态大型语言模型 OMCAT，通过一个新的合-20241018052447

本文提出了一种新型多模态大型语言模型 OMCAT，通过一个新的合成数据集 OCTAV 和改进的时间嵌入方法 RoTE，显著提升了细粒度跨模态时间理解能力，并在多个基准测试中取得了最先进的性能，尤其是在处理时间锚定任务和事件转换方面展现出反直觉的有效性。