一、技术背景与现存挑战 在视频理解领域，现有主流多模态大模型（MLLMs）普遍面临三大核心问题： 时序感知缺陷：将视频视为离散帧序列处理，忽略帧间运动连续性。例如分析篮球比赛视频时，模型可能将”运球突破”误……
