本研究提出了一种名为GETER的结构感知生成框架，旨在提升大型语言模型在时态推理中的可解释性。通过广泛的基准评估，实验结果表明该框架在性能和泛化能力上表现优异。

该研究分析了时态数据集，揭示了大型语言模型在时态推理任务中的局限性。通过增强数据集和引入新方法，研究者改善了模型性能，深入理解了大型语言模型在时态推理中的能力，并促进了其在不同领域的应用。