尊敬的作者，您好！
我们正在将您对于lmms代码的调整迁移至lmms-eval v0.6版本。
在阅读您代码的过程中，我们发现在llava_vid.py中存在add_time_instruction这个参数。
我们之前也有类似的想法，即：原有的模型基本以均匀抽帧来阅读视频，抽取关键帧可能导致模型对于时间理解出现偏差。
然后发现您的代码已经有这种显式地将“视频总时长”、“采样了多少帧”以及“这些帧发生的具体时间点”作为文本指令，塞给语言模型的做法，然而这种做法只在llava_vid的代码中存在，而脚本也并没有使用这段代码。
我们想询问一下，为什么最后没用使用这种做法？您的团队有进行过这个做法的可行性分析和实际结果的分析吗？
尊敬的作者，您好！
我们正在将您对于lmms代码的调整迁移至lmms-eval v0.6版本。
在阅读您代码的过程中，我们发现在llava_vid.py中存在add_time_instruction这个参数。
我们之前也有类似的想法，即：原有的模型基本以均匀抽帧来阅读视频，抽取关键帧可能导致模型对于时间理解出现偏差。
然后发现您的代码已经有这种显式地将“视频总时长”、“采样了多少帧”以及“这些帧发生的具体时间点”作为文本指令，塞给语言模型的做法，然而这种做法只在llava_vid的代码中存在，而脚本也并没有使用这段代码。
我们想询问一下，为什么最后没用使用这种做法？您的团队有进行过这个做法的可行性分析和实际结果的分析吗？