随着时间的流逝，我们的物理世界一直在不断发展，这为预训练的语言模型带来了挑战，以理解和推理文本的时间上下文。现有的工作着重于加强文本与时间戳记之间的直接关联。但是，知识时间关联通常不足以用于需要在知识之间进行时间依赖性推理的下游任务 ...

尽管大型语言模型（LLM）表现出了显着的推理能力，但它们并非没有缺陷和不准确。最近的研究引入了各种方法来减轻这些局限性。尤其是时间推理（TR），由于其依赖各种时间概念和复杂的时间逻辑，对LLM提出了重大挑战 ...

时间知识图（TKG）是通过附加时间范围来扩展常规知识图的扩展。现有的时间知识图应答答案（TKGQA）模型仅处理简单问题，因为先前的假设是每个问题仅包含具有明确/隐式时间约束的单个时间事实。因此，他们在拥有多个时间事实的问题上表现不佳 ...

时间知识图（TKG）以（主题，关系，对象，时间戳）的形式表征了时间不断发展的事实，最近引起了很多关注。 TKG推理旨在根据给定历史的事实来预测未来的事实。但是，现有的TKG推理模型无法避免他们不确定的预测，这将不可避免地在实际应用中带来风险 ...

知识图（KGS）由于其对自然语言处理的广泛应用而受到了越来越多的关注。但是，它在时间问题回答（QA）上的用例尚未得到充分探索。 Most of existing methods are developed based on pre-trained language models, which might not be capable to learn \emph{temporal-specific ...

在这项研究中，llm）中的时间知识推理的挑战。llm经常难以完成这项任务，导致产生不准确或误导性的回答。这个问题主要源于他们处理不断发展的事实知识和复杂的时序逻辑的能力有限... ...

从长文件中回答时间敏感的问题需要在问题和文件中进行时间推理。一个重要的开放问题是，大型语言模型是否可以仅使用提供的文本文档执行此类推理，或者它们是否可以从使用其他系统提取的其他时间信息中受益。我们通过应用现有的时间信息提取系统来构建问题和文档中的事件，时间和时间关系的时间图来解决这个研究问题 ...

（kg）（kg 中的每条边上提供时间范围（开始和结束时间）（kgqa）受到了研究界的一些关注，但时间知识图谱问答（ kgqa，但时间知识图谱问答（ kgqa）是一个相对未经探索的领域。缺乏广泛覆盖的数据集是限制该领域进展的另一个因素... ...