本研究探讨了语言模型的知识存储机制，发现时间敏感实体的知识在不同参数集中定向存储。通过关注知识的局部性，改进连续学习方法，提高新信息获取能力，减少灾难性遗忘，验证了在时间漂移语言中，针对性更新参数可提升预训练性能。

本研究介绍了UnSeenTimeQA，一种新颖的时间敏感问答基准。不同于传统方法，它不依赖事实和网络查询，创造了脱离现实世界的信息场景。评估显示，多种语言模型在处理复杂时间推理问题时存在困难，并提供了性能分析。

本文研究无线广播网络中时间敏感的信息传输，提出了优化最小化网络客户端信息新鲜度的传输调度策略，并实现性能保证。

本文研究无线广播网络中时间敏感的信息传输，并提出了优化网络客户端信息新鲜度的传输调度策略，以实现性能保证。

本文研究无线广播网络中时间敏感的信息传输，提出了优化最小化网络客户端信息新鲜度的传输调度策略，并实现性能保证。实验结果表明Max-Weight和Whittle's Index策略的性能最优。

本研究提出了基于Thompson抽样的并行贝叶斯优化方法，称为STS-PBO，用于解决时间敏感的黑盒优化问题。该方法引入了速率失真理论构建平衡学习所需信息量和次优性的损失函数，并采用Blahut-Arimoto算法计算目标解。实验证明，STS-PBO方法在同步和异步设置中均优于串行方法和传统Thompson抽样的并行贝叶斯优化方法。