本研究探讨大型语言模型（LLMs）在未接触匿名数据上的时序推理能力，构建了“推理与回答时序能力”数据集（RATA）以评估其表现，结果表明需要集成多种方法以实现可靠的解决方案。

本文介绍了多种基于图卷积网络和时间知识图谱的模型，旨在提升时序推理的性能与效率。研究涵盖递归演化网络、卷积神经网络和时间元学习框架，均在处理历史信息和预测未来演化模式方面取得显著进展。