時間維度上的一致性
標註者標記時間片段和斷點時 Potato 報告哪些內容，為什麼片段一致性沒有經過機遇校正，以及為什麼斷點一致性以容差掃描的形式報告。
兩位標註者在標記一個事件何時開始時不會選中同一幀，因此時間一致性必須說明"多接近才算一致"。 Potato 對時間片段和斷點的處理方式不同：片段按超過閾值的時間 IoU 進行匹配，斷點則在一系列容差上掃描報告。
時間片段的度量
對於音訊和影片片段，一致性報告會在每個條目上比較每一對標註者，並對四個數值取平均：
| 問題 | 度量 |
|---|---|
| 兩組片段整體上有多一致？ | 平均一致度，會對邊界鬆散、片段遺漏和標籤不符扣分 |
| 兩位標註者都找到某個片段時，邊界有多接近？ | 已匹配片段的平均時間 IoU |
| 他們到底有沒有找到相同的片段？ | 匹配閾值下的檢測 F1，預設閾值為 0.5 |
| 他們標記的片段數量是否相同？ | 片段數量的平均差值 |
片段只依據時間 IoU 進行匹配。標籤只在平均一致度中起作用：標籤不同的已匹配片段對只能得到其 IoU 的一半。因此，沒有哪個數值能單獨說明標註者在標籤上一致的頻率。兩位標註者都沒有標記任何內容的配對會被計入，但不參與打分，因為兩個空答案並不能證明一致。
斷點的容差掃描
斷點是單一的時刻，例如機器人回合出錯的那一刻；如果兩個斷點的間隔落在容差視窗之內，就算作同一個標記。這樣一來，每個數值都取決於這個視窗，因此機器人回合報告會分別在 0.04、0.25、0.5、1 和 2 秒下計算，並把五個結果全部列出。
只報告單一閾值，等於邀請讀者去挑選那個恰好支援自己結論的容差。0.25 秒下的一致性和 2 秒下的一致性，是關於這份資料的兩種不同斷言：
- 在 2 秒下高、在 0.25 秒下低，意味著標註者認同發生了某個事件，但對具體時點看法不一。這通常是規範問題：對"何時開始"的定義不夠明確。
- 兩者都低，則意味著他們連事件是否發生都存在分歧。
在每個容差下，斷點一致性都會拆解為檢測、定位與類別三部分，詳見世界模型評估。時間片段沒有這樣的掃描，其邊界只通過時間 IoU 來評判。
覆蓋率會一併報告
對於稠密曲線，例如機器人回合上的進度獎勵軌跡，一致性以 ICC 加 Pearson 的形式報告，並同時給出覆蓋率。
在時間軸 5% 的範圍上算出的相關係數，對其餘 95% 什麼也沒說；而一個不附帶覆蓋率的係數，會被當作覆蓋了全部來解讀。
一項已知侷限
時間片段只有未經校正的度量：沒有 σ，沒有檢測 α，也沒有標籤 α。σ 的機遇基線是由不同條目上物件之間的距離構建的，而當各段影片長度不同時，"來自另一段影片的片段"並不是一個有意義的比較物件。把這件事做對需要單獨的設計，在它成型之前就宣稱此處已有機遇校正，比直說沒有更糟。
如需測量片段上的標籤一致性，或多個容差下的邊界一致性，可以把片段貼上到文本片段、邊界框與時間段一致性計算器中。它會報告容差掃描下的邊界 F1，以及已匹配片段標籤上的 α。