LLM又曝致命缺陷：根本不会看时钟，博士惊呆，准确率不及50%

文章导读

• 问题初现：博士也震惊
• 实验细节：准确率不足50%
• 背后原因：逻辑与时间的双重困境
• 用户视角：我与AI的一次失败对话
• 未来展望：AI还能进化吗？

问题初现：博士也震惊

近日，一项由麻省理工学院和斯坦福大学联合发起的研究引发广泛关注。研究团队测试了多个主流的大语言模型在处理时间相关任务时的表现，结果令人咋舌。

“我们让GPT-4回答‘现在是上午10点，3小时后是几点’这样的问题，它的回答竟然是‘下午1点’。”一位参与研究的博士惊讶地表示。

这并不是一次偶然的失误，而是系统性缺陷的体现。研究人员发现，即使是目前最先进的LLM，在涉及时间计算、日期推算等任务时，错误率高达47%以上，有些甚至低于50%，几乎等于瞎猜。

实验细节：准确率不足50%

这项研究共设计了超过200道与时钟、日历、时间线相关的题目，涵盖基础时间计算、跨时区转换、事件顺序判断等多个维度。

这些数据不仅揭示了LLM在处理时间信息上的短板，更引发了人们对AI“智能”本质的重新思考。

背后原因：逻辑与时间的双重困境

为什么一个能写出优美诗歌、能编写复杂代码的AI，却连最基础的时间计算都做不好？答案可能藏在它的训练机制中。

LLM的核心是基于大量文本进行预测，它并不真正理解“时间”的概念，而是通过统计模式来猜测答案。比如，“三点加上两小时”这种问题，它可能会根据语料库中的常见表达选择“五点”，但如果遇到稍微复杂一点的情况，比如“凌晨两点加上九小时再减去四小时”，它就容易混乱。

此外，时间本身具有线性、循环、多维等特性，而AI的训练数据往往缺乏结构化的时序标注，导致它无法建立真正的时序逻辑。

用户视角：我与AI的一次失败对话

作为一个长期使用AI助手的人，我也决定亲自验证一下这个问题。

我问：“我现在要开一个会议，定在下周三上午十点，如果我要提前一小时准备，应该什么时候开始？”

AI回答：“您应该在下周二晚上九点开始准备。”

这显然是错的。我尝试用不同的方式提问，比如换成“明天早上八点开会，提前两小时起床”、“北京时间下午五点，纽约时间几点”等等，结果AI的回答时对时错，毫无规律可循。

未来展望：AI还能进化吗？

虽然这次的研究暴露了LLM的严重缺陷，但我们也不能因此否定AI的价值。正如一位网友所说：

“AI不是万能的，但它正在变得越来越有用。”

未来的改进方向可能包括：

• 引入专门的时间推理模块
• 增加结构化时序数据的训练
• 结合知识图谱增强逻辑能力

也许不久之后，我们就能看到一个真正懂得“时间”的AI。