本研究解决了人工智能系统中伦理行为验证的需求，提出了一种基于权责逻辑的形式化方法，旨在定义和评估AI系统的伦理行为。通过融入时态算子与公理和定理，该方法有效地捕捉了公平性和可解释性等伦理要求，实证研究表明该方法能够识别现实世界AI应用中的潜在伦理问题。

本文探讨了基于线性时间逻辑（LTLf）的合成方法，提出了多种算法和框架，以提高在非确定性环境中生成策略的可扩展性和有效性。研究表明，终止性转换器在模型检查中更具优势，并提出了新的修剪规则和博弈论技术，以优化任务完成策略。

本文介绍了多种时间行为定位（TAL）方法的进展，包括T3AL、LocATe、OpenTAL和ActionSwitch等。这些新方法在不同数据集上表现优于传统方法，尤其在复杂场景和细粒度动作处理方面，验证了自适应和记忆机制在TAL中的有效性。

基于 HTGNN 框架的异构时间图神经网络可以有效地解决复杂系统的实时状态监测和虚拟感知问题，提高监测精度和系统性能。

本文介绍了多个视频处理相关的数据集和模型，如 Moments-OVRE、Countix 和 TVR，重点在于视频中重复动作的识别与计数。研究表明，结合音频信息和新型网络结构可以显著提高模型性能，尤其在复杂视觉条件下。此外，提出的多模态检索任务和数据集为视频分析提供了新的方法和基准。

本文讨论了面部伪造检测技术的进展，提出了渐进增强学习框架、历史分布保持框架和分层特征细化网络等新方法。这些方法在伪造图像的检测和定位中表现优越，显著提高了准确性和鲁棒性，展示了在不同数据集和伪造技术下的有效性。

本文研究了时间行为定位（TAL）在不带剪辑视频中的应用，提出了 IntraC 和 InterC 正则化项以适应潜在时间约束。实验结果表明，该方法在 THUMOS14 和 ActivityNet1.3 数据集上优于现有技术，并可推广至其他 TAL 方法。

本研究分析了大型语言模型（LLMs）的越狱攻击及防御技术，评估了多种攻击和防御方法的有效性。提出了一种利用语意防火墙概念的自动破解监管新方法，并展示了其在不同模型上的成功率。研究强调了评估破解方法的重要性，并提出了安全训练的失败模式，建议将安全机制复杂度与模型能力相匹配。

本文介绍了基于潜在扩散模型的图生成和数据增强方法，如GODM、ConDA和NGG。这些方法通过生成合成图数据和增强数据多样性，提升了异常检测和模型性能，尤其在社交网络和动态图构建方面表现优异。实验结果表明，这些方法在生成质量和效率上优于传统技术。

本文介绍了一种新的时间知识图谱问答（TKGQA）方法及其数据集，包括ForecastTKGQuestions和CRONQUESTIONS。提出的ForecastTKGQA和TempoQR模型在回答时间相关问题时表现优于现有方法，提升了准确性。此外，研究探讨了基于嵌入的时间知识图问答框架，展示了其在复杂推理任务中的有效性和潜力。

大型语言模型（LLMs）理解世界的关键是对时间进行推理。我们通过系统研究 38 个时间推理任务，提出了能够处理各种时间推理任务的通用框架，其中使用数学数据集为时间推理奠定了坚实基础，并通过自我批评的时间优化方法，提升了模型的时间推理能力。最终，我们开发了 Timo 模型，在 7B 和 13B 规模上在时间推理方面表现出色，并在平均准确度上超过了同类 LLMs 的 10.0 和...

通过给大型语言模型提供关于控制和数据分离的指导，我们探讨了在反应式程序合成中为 LLM 提供指导对于规范生成的影响，发现这种关注点的分离改进了规范生成，并提供了一个基准测试集用于验证未来的 LLM 生成时态逻辑规范的工作。

研究人员提出了NarrativeBridge，一种新的因果-时间叙述字幕基准和因果效应网络架构，以解决现有视频字幕基准和模型缺乏一致的因果-时间叙述表示的问题。实验结果表明，该框架在表达视频内容的因果和时间方面更准确。

本文探讨了神经时间点过程（TPP）的多种模型及其在事件预测中的应用，包括DualTPP、图神经网络结合TPP和变分神经TPP等。这些模型在长期预测和准确性方面表现优越，并提出了新的参数化方法和基准测试，以推动该领域的研究进展。

提出了一种用于时态图的图重连方法，利用扩展图传播构建消息传递路径以实现远距离节点之间的通信。在公共数据集上验证了该方法对提高时态图神经网络性能的有效性。

本文回顾了状态空间模型（SSM）在自注意力基础的Transformer模型中的特性与优势，探讨了其在自然语言处理和计算机视觉等领域的应用。研究提出了新型状态空间时间序列架构SpaceTime，提升了模型的表现力和计算效率，尤其在处理长序列时表现优越。

提出了一种 PrevMatch 框架，通过最大化利用训练过程中获得的时间知识，有效地缓解了复杂的训练流程和计算负担所带来的限制，同时在各种评估协议上始终优于现有方法，特别是在 DeepLabV3 + 和 ResNet-101 网络设置下，在只有 92 个标注图像的 Pascal VOC 数据集上，与现有最先进方法 Diverse Co-training 相比，mIoU 提升了...

本文提出了基于大型语言模型（LLMs）和知识图谱（KGs）的创新方法，包括GenTKG框架和TempGraph-LLM模型，旨在提升时间知识图的生成性预测和推理能力。这些方法在处理时间性问题和符号推理方面表现优异，显著提高了预测性能，为未来的研究提供了重要参考。