本研究提出了一种新的时间反转语言模型（TRLM），有效解决了大语言模型在时间预测中的单向性问题。TRLM通过反向思考和无监督反馈，显著提升了引文生成和段落检索的性能，降低了误报率并增强了安全性。

大型语言模型在生成自然语言任务中表现灵活，但面临输入和评估挑战。研究者提出了一个三组件框架，专注于引文生成任务，强调任务指令和输入配置的重要性，并揭示评估指标间的复杂关系。实验提供了未来研究的新见解，并公开了代码和数据。