本论文通过构建MenatQA来评估大型语言模型在时间理解和推理能力方面的表现，并测试了不同参数大小的主流LLMs。结果表明，大多数LLMs在处理时间因素时不如更小的时间推理模型，并且对时间偏差的敏感度较高，且严重依赖于问题中提供的时间信息。本文还探索了通过具体提示和外部工具来改进LLMs的潜在策略，为未来的研究提供了有价值的基准或参考。