摘要：研究称，“从视觉输入中解读时间并进行推理的能力，对于许多现实世界的应用至关重要，从事件安排到自动驾驶系统等领域皆是如此。尽管多模态大语言模型（MLLMs）取得了进展，但大多数研究工作都集中在目标检测、图像描述或场景理解等方面，对时间推理的探索仍不够充分。”

AI大模型貌似无所不能，但仅仅是最基础的时间，它却很难看得懂，这是为什么？

爱丁堡大学的研究人员测试了七款知名的多模态大言模型，让它们根据不同的时钟或日历图像回答与时间相关问题。

该研究将于 4 月正式发表，但目前已经在科研共享平台arXiv发布，研究表明，这些大型语言模型在这种基础任务上让人失望。

研究称，“从视觉输入中解读时间并进行推理的能力，对于许多现实世界的应用至关重要，从事件安排到自动驾驶系统等领域皆是如此。尽管多模态大语言模型（MLLMs）取得了进展，但大多数研究工作都集中在目标检测、图像描述或场景理解等方面，对时间推理的探索仍不够充分。”

本次测试的对象包括 OpenAI 的 GPT-4o 和 GPT-o1、谷歌 DeepMind 的 Gemini 2.0、Anthropic 的 Claude 3.5 Sonnet、Meta 的Llama3.2-11B-Vision-Instruct、阿里的Qwen2-VL7B-Instruct、以及 ModelBest 的 MiniCPM-V-2.6。

AI大模型在处理时间相关问题时出现理解偏差或错误的现象，其原因是多方面的。

1、数据层面的缺陷

训练数据中的时间表达形式复杂多样（如“2025-03-18”“March 18, 2025”“3/18/25”），且常与文本混杂，导致模型难以统一解析。数据中也可能包含错误或矛盾的时间信息，模型缺乏对现实时间规则的深层理解，易被误导。

另外，时间信息常依赖上下文（如“下周”需结合当前日期推断），但大模型可能因输入提示不完整或缺乏长程依赖能力，无法准确关联上下文。

2、模型架构的局限性

大模型以自然语言处理为核心，擅长文本生成但缺乏数值运算模块。例如，“9.11”和“9.9”的比较可能被误判为版本号，如软件版本“9.11”>“9.9”，而非数值大小，反映模型对符号的多义性处理缺陷。

还有，时间计算（如日期差、时区转换）需要严格的数学逻辑，而大模型依赖统计模式而非符号推理，易出现错误。

部分现有大模型未针对时间推理任务进行优化，如时间线重建、因果关系推断等。例如，在医疗领域预测“患者三天后可能出现症状”，模型可能忽略时间动态性，仅基于静态数据生成回答。

3、训练与优化策略的不足

大模型知识库通常截止于某一时间点（如GPT-4训练数据截至2023年），无法实时更新。若提问涉及未来事件，模型可能生成过时或虚构信息。

大模型以生成流畅文本为优化目标，可能牺牲准确性。例如，当用户提问“9.11与9.9谁大”时，模型可能优先生成符合语法但错误的答案，而非执行严格数值比较。
当然，这样问题也在逐步优化。

技术方面，可结合符号系统（如规则引擎）与神经网络，增强时间逻辑处理能力。通过RAG（检索增强生成）技术动态检索权威时间数据库，也可弥补训练数据时效性缺陷。还有对抗性训练，引入包含时间矛盾的数据样本，强化模型对时间一致性的判断力等。

AI大模型“看不懂时间”的本质是数据复杂性、架构局限性与任务目标冲突的综合结果。解决这一问题需从数据清洗、模型架构创新、交互设计三方面协同突破。随着技术演进，未来大模型有望实现更精准的时间推理应用。

总之，当下AI搞不懂时间确实是事实，用户在使用时是需要注意这一缺陷的~

来源：元力社