本研究探讨了语言模型在处理动态时间事实时的不足，发现“时态头”在时间知识处理中的重要性。禁用时态头会降低模型对时间特定知识的回忆能力，但不影响其一般功能。

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。

该研究提出了一种跨层任务解耦与精炼（CLTDR）方法，旨在解决时态动作定位中的分类与定位矛盾。通过集成视频特征金字塔的语义强特征与边界感知特征，显著提升了特征提取效果。实验结果表明，该方法在多个基准数据集上表现优异。

本研究探讨自主代理解析不确定自然语言指令的挑战，提出CoT-TL框架，将自然语言转换为线性时态逻辑（LTL），提高透明性和可信度。在低数据环境中，该方法表现出色，并在无人机多步骤规划中验证了其实用性。

本文研究了线性时间逻辑模块理论在有限轨迹上的应用，并提出了一种用于LTLfMT表格的修剪规则，以保证表格终止。通过这种技术，可以得出关于LTLfMT多个片段可满足性的新的可判定性结果，并给出新的可判定性证明。

本文提出了一种新的时间行动定位（TAL）架构，通过特征聚合和循环机制，能够捕捉长距离依赖和时间因果关系。实验证明该方法在多个基准数据集上取得了优越结果，为未来的研究奠定了基础。

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。

本研究介绍了电视节目检索（TVR）数据集，结合视频和字幕文本，包含109K个查询和查询类型标签。提出了多模态时刻定位网络（XML）模型，采用ConvSE模型，具有更好的效率和性能。同时，还收集了描述TVR标注时刻的相关信息，形成了多模式字幕数据集TVC。

介绍了一种新的音频时间伪造检测和定位方法，通过引入粗到精的建议细化框架（CFPRF），提高了在长时间音频中检测细微伪造操作的性能。

该文章提出了一种新的时间行动定位（TAL）架构，通过特征聚合和循环机制，能够捕捉长距离依赖和时间因果关系。实验证明该方法在多个基准数据集上取得了优越结果，为未来的研究奠定了基础。

研究发现大型语言模型存在滥用问题，越过道德保障进行破解攻击。研究呈现了不同破解方法和违规类别，强调了对破解方法评估的必要性，并为从业者提供了基准工具。

神经图生成器（NGG）利用条件化的潜态扩散模型生成图，具有复杂图形模式的能力，并能控制生成过程。NGG通过变分图自动编码器和扩散过程，在潜向量空间中生成图统计概述向量。实验证明NGG通用且能捕捉所需的图特性并推广到未见过的图。该研究工作标志着图生成方法的重大转变，提供了实用和高效的解决方案。

本文概述了时间知识图问答（TKGQA）的分类和方法论分类，为该领域的发展提供了参考和研究动力。

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。

本文介绍了将时间点过程 (TPP) 作为神经过程 (NP) 的一个实例，并将其训练于元学习框架中，使用上下文集来建模 TPP，引入了本地历史匹配来帮助学习更丰富的特征，并在公共基准数据集和任务上展示了该方法的潜力。

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。