TimeThink는 비디오 LLM의 시간적 증거 발견을 돕는 강화 학습 프레임워크입니다. 시간 추론 단계를 기본 최적화 단위로 삼아, 각 단계에서 비디오의 후보 시간 간격을 참조합니다. 단계별 시간 프로세스 보상을 도입하여 시간적 위치 추론 성능을 향상시켰습니다.
TimeThink-RFT-20K 데이터셋을 활용하여 확장 가능성을 확보하고, 비디오 추론, 시간적 위치 확인, 일반적인 비디오 이해 벤치마크에서 기존 모델보다 뛰어난 성능을 보였습니다. 시간적 위치 추론과 추론 성능을 동시에 개선했습니다.
TimeThink는 기존 outcome-based reward 방식의 한계를 극복하고, 시간적 증거 발견을 위한 단계별 프로세스 최적화를 통해 비디오 LLM의 추론 능력을 향상시킵니다.