时间维度上的一致性
用于片段边界的时间 IoU、边界 α，以及为什么断点一致性是以容差扫描的形式报告，而不是固定在某一个阈值上。
两位标注者在标记一个事件何时开始时不会选中同一帧，因此时间一致性必须说明"多接近才算一致"——而这个选择会改变结论。 Potato 报告的是整条扫描曲线，而不是替你挑一个阈值。
测量了什么
| 问题 | 度量 |
|---|---|
| 片段是否重叠？ | 时间 IoU |
| 边界是否落在相同位置？ | 边界 α |
| 他们标记的是否是同一类事件？ | 标签上的名义 α |
| 他们是否认同确实发生了事件？ | 检测 α |
容差扫描
对于断点与边界类标注，一致性取决于匹配容差：两个标记相距多远，仍可算作同一个标记？
只报告单一阈值，等于邀请读者去挑选那个恰好支持自己结论的容差。0.25 秒下的一致性和 2 秒下的一致性，是关于这份数据的两种不同断言：
- 在 2 秒下高、在 0.25 秒下低，意味着标注者认同发生了某个事件，但对具体时点看法不一。这通常是规范问题：对"何时开始"的定义不够明确。
- 两者都低，则意味着他们连事件是否发生都存在分歧。
因此报告会扫描容差并展示曲线。参见世界模型评估，其中断点一致性会被进一步拆解为检测、定位与类别三部分。
覆盖率会一并报告
对于稠密曲线——例如机器人回合上的进度奖励轨迹——一致性以 ICC 加 Pearson 的形式报告，并同时给出覆盖率。
在时间轴 5% 的范围上算出的相关系数，对其余 95% 什么也没说；而一个不附带覆盖率的系数，会被当作覆盖了全部来解读。
一项已知局限
时间片段目前只有未经校正的度量。σ 的机遇基线是由不同条目间的距离构建的，而当各段视频长度不同时，"来自另一段视频的片段"并不是一个有意义的比较对象。把这件事做对需要单独的设计，在它成型之前就宣称此处已有机遇校正，比直说没有更糟。