时间，这一日常生活中再基础不过的概念，对于大语言模型（LLM）而言，却成为难以跨越的理解障碍。由于训练语料库的静态性，存在知识截断时间，且在非时间顺序的语料训练中，模型难以在事件与对应时间间建立可靠逻辑映射，即便现有时间对齐、外部知识库等方法，也无法实现全链路突破。
如今，伊利诺伊大学香槟分校研究人员带来新突破，发布 Time-R1 模型。令人惊叹的是，它基于仅 3B 的小模型，通过三阶段课程强化学习，实现对过去的理解、未来的预测以及创造性生成的大一统。
Time-R1 的实现分为三个阶段：第一阶段通过时间戳推理、时间差计算、事件排序、时间实体补全等四个子任务强化微调，构建时间认知基础；第二阶段在隔离未来数据前提下，基于第一阶段模型继续微调，训练预测未来能力；第三阶段则直接进行零样本创意生成，推演未来场景。
Time-R1 成功的关键，在于精心打磨的奖励机制。研究人员为每个子任务定制了超 1200 行代码的奖励函数，涵盖通用奖惩设计，如格式遵循奖励、标签结构奖励、长度与重复惩罚等，以及针对各任务特性的精准奖励。例如，时间戳推断奖励基于推断日期与真实日期差距的指数衰减函数，并动态调整；时间差估计综合事件日期与时间差准确性，引入不一致性惩罚；事件排序考虑日期推断与排序准确性，设置不一致性和多样性惩罚；掩码时间实体补全综合日期与实体补全准确性，对月份计算 “循环差异”。此外，第一阶段还引入动态奖励机制，依据任务难度和训练进程，动态调整日期准确性奖励部分的衰减系数 α，助力模型 “冷启动”。
实验结果令人瞩目，Time-R1 (3B) 在第一阶段基础时间理解任务综合表现超越参数量超其 200 倍的 DeepSeek-V3-0324 模型。后续训练中，在未来事件时间预测、创造性场景生成任务上，Time-R1 也领先多数基线模型，展现强大泛化能力。
这一成果标志着大模型在时间推理能力上取得重大进展，为实现真正具备时间意识的人工智能提供实用且可扩展路径。目前，研究团队已全面开源，发布 Time-Bench 大型多任务时间推理数据集、Time-R1 完整训练代码及各阶段模型检查点，推动相关研究进一步发展 。
来【龙头AI网】了解最新AI资讯！
暂无评论
发表评论