2026-04-14 | 대전=박희윤 기자

KAIST解决AI“时间错误”…提升医疗、法律领域可信度

本页标题和正文均由AI机器翻译,未经人工审校。准确内容请以韩文原文为准。

KAIST研究团队开发出一项新的评估技术,可让人工智能(AI)自动反映不断变化的现实信息,同时还能识别表面看似正确的“时间错误”。

KAIST 14日表示,电气及电子工程学部黄义钟教授研究团队与微软研究院(Microsoft Research)共同研究,利用时间数据库技术开发出可自动评估、诊断大型语言模型(LLM)时间推理能力的系统。

人工智能要获得用户信任,准确理解时刻变化的现实信息的能力必不可少。然而现有评估方式仅确认答案是否一致,或未能充分反映复杂的时间关系,难以妥当评估实际环境中出现的各种提问情形,存在局限。

为解决这一问题,研究团队首次将经过40余年验证的“时间数据库(Temporal Database)”设计理论引入人工智能评估。核心在于,利用数据的时间流动与关系结构,无需人工逐一编写评估题目,仅凭数据库便可自动生成13种类型的复杂时间类问题。

特别是,此次技术摆脱了以往由人工直接出题的方式,转向基于数据自动生成评估题目,被评价为最大的创新。此外,以数据库为基准,将从出题到得出答案、验证的全过程自动化,无需像以往那样逐一修改题目,可大幅减轻维护负担。

当现实信息发生变更时,只要将相关内容更新到数据库,评估题目、答案和验证标准便会自动反映。不过最新信息的录入本身通过外部数据或管理员完成,此次技术是在这些数据更新之后自动执行整体评估的架构。

此外,研究团队超越了单纯判断最终答案正确与否的现有方式,新引入了可验证回答过程中所提出的日期或期间在逻辑上是否成立的指标。由此,对表面看似正确但时间依据错误的“时间幻觉(Temporal Hallucination)”现象,检测准确度比以往平均提高21.7%。

应用该技术后,信息变更时只需更新数据库,可大幅节省评估维护成本,输入数据量也比以往平均减少51%。

黄义钟教授表示:“这是一个展示经典数据库设计理论能够在解决最新人工智能可信度问题中发挥重要作用的案例。”“通过把庞大的专业数据转化为评估资源,今后将为医疗、法律等各领域人工智能性能验证提供切实基础。”

本次研究由KAIST博士生金素妍作为第一作者参与,微软研究院的Jindong Wang(现任威廉玛丽学院)与Xing Xie研究员作为共同作者参与。研究成果将于4月在人工智能领域最权威学术会议“ICLR 2026”上发表。

阅读韩文原文