提出WORLDREASONER框架,用于评估语言模型代理在时间约束下的事件预测推理,从结果质量、证据质量和推理质量三个维度评分,实验表明时间有效检索是准确性的主要驱动因素,因果图改善事件恢复,但将证据转化为校准概率仍有挑战。
机构:剑桥
来源:arXiv 2606.11816 | AI4Papers 论文推荐平台