本研究提出了一种自监督片段微调方法（SF²T），旨在提升视频大语言模型在细粒度理解方面的能力。通过利用视频特征进行训练，改善模型对视觉动态和细节的理解。同时，构建了新的基准数据集FineVidBench，以评估模型在场景和片段层面的表现，实验结果显示该方法显著提高了时空细节的捕捉和解释能力。