English(EN) Is the Future Predictable? Modeling Future Predictability for Reliable Temporal Reasoning

新框架提高 LLM 在预测未来事件方面的可靠性

作者 PulseAugur 编辑部 · [1 个来源] · 2026-10-15 04:00

研究人员推出 ChronoRegime，一项旨在提高大型语言模型 (LLM) 在预测未来事件时的时间推理能力的新任务。该任务解决了 LLM 对不确定的未来状态做出确定性陈述的问题。为了解决这个问题，他们还开发了置信度感知时间推理 (CTR) 框架，该框架根据时间数据评估未来事件的可预测性，并相应地调整模型对其答案的置信度。实验表明，CTR 在处理未来不确定性时，显著提高了 LLM 的准确性并减少了幻觉。 AI

影响增强了 LLM 在时间推理方面的可靠性，有望带来更安全、更准确的未来预测。

排序理由学术论文，介绍 LLM 时间推理的新任务和框架。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 14 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 学术论文，介绍 LLM 时间推理的新任务和框架。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, safety; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.AI TIER_1 English(EN) · Yongyi Huang, Huaping Zhang, Wenyao Cui, Qiuchi Li, Lei Li, Baohua Zhang · 2026-10-15 04:00

未来可预测吗？为可靠的时间推理对未来可预测性进行建模

arXiv:2610.14073v1 Announce Type: cross Abstract: Large language models (LLMs) remain unreliable when reasoning about the future. Existing models often overlook the difference among future states, committing to specific answers even when the queried facts are inherently volatile.…

本文如何被排名

报道来源 [1]

未来可预测吗？为可靠的时间推理对未来可预测性进行建模

相关实体

相关话题