本论文提出了一种新颖的方法，将时间链接预测视为历史事件链中的事件生成任务，并通过有效的微调方法将 LLMs 适应特定的图文本信息和时间线中发现的模式。实验结果表明，微调模型在多个度量标准上优于现有的基于嵌入的模型，达到了最先进水平。

本论文提出了一种新颖的方法，将时间链接预测视为历史事件链中的事件生成任务，并通过有效的微调方法将 LLMs 适应特定的图文本信息和时间线中发现的模式。实验结果表明，微调模型在多个度量标准上优于现有的基于嵌入的模型，达到了最先进水平。

本论文提出了一种新颖的方法，将时间链接预测视为历史事件链中的事件生成任务，并通过有效的微调方法将 LLMs 适应特定的图文本信息和时间线中发现的模式。实验证明，微调模型在多个度量标准上优于现有的基于嵌入的模型，达到了最先进水平。