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。

本文研究了模型理论中的规则语言特性及其复杂度，探讨了神经符号AI的结合与推理方法，提出了Datalog的扩展形式及其应用，分析了不完整知识图谱的查询框架，并介绍了时态推理数据库和新的逻辑语言，旨在提高模型的可解释性和推理能力。