近日，我院2025级硕士研究生刘文喆同学在朱振方教授、卢强副教授的指导下，以第一作者身份在计算机科学领域国际知名期刊《Knowledge-Based Systems》上发表了题为《TECL: Time-Equivariant Contrastive Learning for weakly-supervised Grounded Video Question Answering》的研究论文。

针对现有弱监督时序定位视频问答模型缺少精确时间边界监督、容易依赖固定的时间位置先验，从而出现“答案正确但证据定位不可靠”的问题，论文提出时间等变对比学习框架TECL（Time-Equivariant Contrastive Learning）。该方法通过对视频进行小范围循环时间平移，构造原始视图与时序扰动视图，并约束模型预测的时序证据分布随视频内容的移动发生一致变化，从而降低模型对静态时间位置先验的依赖。与此同时，论文设计了稠密高斯式时序定位头和宽度正则化机制，用于稳定分布级监督并抑制过于宽泛、近似均匀的无效定位；进一步引入跨视图对比对齐和跨模态语义对齐，在保持语义一致性的同时提升视觉证据与文本语义之间的匹配能力。

作为人工智能与知识系统领域的国际知名多学科期刊，《Knowledge-Based Systems》致力于发表知识驱动系统及人工智能相关领域具有创新性的研究成果，内容广泛涉及机器学习、数据科学、知识表示与工程、智能决策、计算智能和知识驱动计算机视觉等方向的理论研究与实际应用。该期刊位列中科院计算机科学一区Top，最新影响因子为8.0。其核心办刊目标是推动知识驱动智能模型、方法与系统的创新发展，利用数据科学与计算技术支持人类预测和决策，同时持续关注机器学习、知识工程、智能决策等前沿热点领域的发展动态。

论文链接：https://doi.org/10.1016/j.knosys.2026.116687

（文图/刘文喆）