摘要
大语言模型在时间截止点下的推理常失败，易利用截止后产生的知识。本文通过事前推理视角，系统分析提示干预发现时间泄露对指令形式敏感，但提示无法赋予模型验证能力。鉴于监督微调的不足，作者提出时间批判微调（TCFT）框架，训练模型识别截止后泄露、解释违规并判断时效性。实验表明，TCFT 显著优于基线，大幅降低平均泄露率。
AI 推荐理由
论文核心研究事前推理中的时间泄露问题，提出新框架提升模型时序逻辑推理能力。
研究机构
University of Science and Technology of China
The Hong Kong Polytechnic University
University of Notre Dame
论文信息