研究发现AI存在被严重低估的问题 多语言时间推理挑战

研究发现AI存在被严重低估的问题 多语言时间推理挑战！阿伯丁大学和格勒诺布尔阿尔卑斯大学联合开展的研究发表于2025年，论文编号为arXiv:2603.19017v1。这项研究揭示了AI在处理时间相关问题时的一些常见错误，尤其是在使用中文、阿拉伯语等非英语语言提问时。这些错误背后的原因一直困扰着研究者。

研究团队构建了一个名为MULTITEMPBENCH的多语言时间推理基准测试，涵盖五种语言（英语、德语、中文、阿拉伯语和豪萨语），包含三种日历系统（公历、伊斯兰历和中国农历），总共包含15000个精心设计的测试样例。他们不仅要求AI完成日期运算、时区转换和时间关系提取等任务，还深入分析了20个不同的大语言模型在处理这些任务时的内部机制。

研究发现，制约AI时间推理能力的关键因素会根据语言资源的丰富程度发生变化。对于像英语、德语这样的高资源语言，即使AI将日期切分成碎片，它们仍能相对准确地处理时间问题。但对于像豪萨语这样的低资源语言，一旦出现词汇切分问题，AI的表现就会急剧下降。

日常生活中，我们用多种方式表达同一个日期，如“2024年3月15日”、“March 15, 2024”、“15/03/2024”或“农历二月初六”。这些表达方式对人类来说都指向同一个时间点，但对AI来说却是截然不同的挑战。阿拉伯语使用从右到左的书写方式和自己的数字系统，中文则有独特的“年月日”顺序和时间标记字符。每种语言都有自己独特的时间表达习惯。

不同日历系统的复杂性进一步增加了挑战。伊斯兰历法基于月亮周期，一年只有354天左右。中国农历融合了太阳和月亮的周期。当AI需要在这些不同的时间体系之间进行转换时，复杂度呈指数级增长。这种复杂性不仅仅是学术问题，现实世界中的应用场景经常需要处理多语言、多日历的时间信息。