AdapTime：大規模言語モデルにおける適応的な時間的推論を可能にする

Abstract

大規模言語モデルは、一般知識の質問応答において強力な推論能力を示してきました。しかし、時間的情報を扱う能力には依然として限界があります。この制約に対処するため、既存のアプローチではしばしば外部ツールや手動の検証を用い、さらに特定の状況に合わせて設計されるため、汎用性が低くなります。加えて、これらの手法はすべての質問に対して固定されたパイプラインを適用してしまい、異なる種類の時間的質問では異なる推論戦略が必要であるという点を見落とします。その結果、単純なケースでは不要な処理が発生し、複雑なケースでは不十分な推論につながります。そこで本研究では、入力コンテキストに応じて推論ステップを動的に実行する適応的時間推論手法 AdapTime を提案します。具体的には、時間推論のための3つのアクションとして、reformulate（言い換え）、rewrite（書き換え）、review（見直し）を行い、LLMプランナーが推論プロセスを導きます。AdapTime は最先端の LLM とシームレスに統合でき、外部の支援に頼ることなく、それらの時間推論能力を大幅に向上させます。広範な実験により、提案手法の有効性が示されます。