RL训练数据

[pkuhxy]

paper中提到用于RL的训练数据是12k，但是github仓库中提到的filter的数据有96k，而且filter的代码只是用qwen3-vl forward了一遍没有做筛选？

[jonasjunzhang]

Hi 感谢关注！

论文中提到的 "12K" 数据，只是在Figure 6. 的消融实验中使用的，用来证明"early stopping"的有效性。

实际TimeLens-8B的RLVR训练过程是：

• SFT训练，我们提供了SFT训练好的Checkpoint，你也可以自己跑我们提供的SFT训练代码。
• 用SFT Checkpoint对TimeLens-100K数据集（也就是你说的96K）上进行推理，计算IoU。我们提供了推理好的IoU结果，你也可以自己跑这个推理过程。
• 根据IoU采样了2.5K样本做RLVR训练，训了 ~100 iteration (~0.8K 数据) 观察到收敛，就采取"early stopping"停止训练。所以我们提供的RLVR训练脚本中设置了max_steps=100。

你说的没错，filter的代码确实只打了IoU，没有做filter。在RL训练脚本中，才进行filter。这样做的目的是：大家使用我们的代码进行RLVR训练时，可以自行调整采样的数据量和其他采样超参。（我们开源的推理好的IoU结果，也包含全部96K数据的IoU值，而非只开源采样出来的那2.5K）

如果想要复现TimeLens-8B，直接采用我们提供的脚本即可。如果想在TimeLens代码的基础上进行其他实验，修改脚本中的对应参数即可。