仅用于站内搜索，没有排版格式，具体信息请跳转上方微信公众号内链接
Time-R1横空出世！让AI真正读懂时间
2025. 6.510:30北京时间
大型语言模型（LLM）虽能力出众，但缺乏稳健的时间智能，难以整合对过去的推理、对未来的预测以及合乎情理的场景生成。现有方法通常只针对孤立的时间技能，泛化能力差，尤其是在处理超出其知识范围的事件或需要创造性远见时。
为解决这些局限，我们推出了Time-R1，这是首个赋予中等规模（3B参数）LLM全面时间能力的框架，涵盖理解、预测和创造性生成。我们的方法采用了一个新颖的三阶段发展路径，前两个阶段由一个精心设计的动态规则奖励系统驱动的强化学习（RL）课程构成。该框架能逐步构建（1）基础时间理解能力、（2）未来事件预测技能，并最终（3）在无需任何微调的情况下，实现向创造性未来场景生成的卓越泛化。
引人注目的是，实验结果表明，在极具挑战性的未来事件预测和创造性场景生成基准测试中，Time-R1的表现优于那些比它大200多倍的模型（包括最先进的671BDeepSeek-R1）。这项工作证明，精心设计的渐进式强化学习微调能让更小、更高效的模型实现卓越的时间性能，为打造真正具备时间意识的人工智能提供了一条实用且可扩展的路径。为促进研究，我们还发布了Time-Bench（一个大规模时间推理数据集）以及Time-R1的全部模型参数和训练代码。
论文地址:https ://arxiv. org/abs/2505. 13508
代码地址:https ://github. com/ulab-uiuc/Time-R1/tree/master
模型地址:https ://huggingface. co/collections/ulab-ai/time-r1-682626aea47cb2b876285a16
数据集地址:https ://huggingface. co/datasets/ulab-ai/Time-Bench
欢迎加入NICE每周分享交流群，可与NICEer唠嗑，以及第一时间收到后续NICE分享报告的通知。加群通过小助手认证，群内无广告。
