arXiv cs.CL· Zijun Wu, Zhitian Zhang, Hossein Hajimirsadeghi, Nikita Dvornik, Alexander Pashevich·· 3 天前AI 评分24
LLM 能否调用世界知识进行事件预测？DescribeEvent 基准给出答案
Can LLMs Access their World Knowledge for Event Prediction?
AI 导读
研究提出 DescribeEvent 基准，包含七个数据集、六个领域约 15 万条事件及事件级描述，用于检验 LLM 的事件预测能力。结果显示，能力较强的 LLM 在结合自然语言描述与符号标签后显著优于无描述变体及非 LLM 基线，而较弱模型收益有限。作者认为，LLM 的世界知识能否用于事件预测是接口设计问题，事件描述可有效激发模型已编码的知识。
正文 · AI 翻译
摘要：近期研究对大型语言模型（LLM）能否用于时间事件预测提出了质疑。尽管拥有庞大的预训练世界知识，LLM 往往不如更简单的专用模型。我们追问：这些知识是真的无法获取，还是当前方法未能以 LLM 可用的形式呈现事件预测？我们支持后者，并表明当接口围绕两个选择进行设计时，LLM 能成为有效的事件预测器。第一个选择将每个事件建立在自然语言描述之上，第二个选择将事件语义与预测空间分离，以防止标签关联带来的语义偏差。为验证这一点，我们提出了 DescribeEvent，一个包含约 15 万个事件、跨越七个数据集和六个领域、带有事件级描述的基准。我们发现，能力较强的 LLM 从描述和符号标签中获益显著，优于无描述变体和非 LLM 基线，而较弱的模型获益甚微。这些结果表明，为事件预测获取 LLM 世界知识是一个接口问题，而事件描述提供了一种实用方式来引出 LLM 已经编码的知识。
| 评论： | 已被 EMNLP 2026 Findings 接收 |
| 主题： | 计算与语言（cs.CL） |
| 引用为： | arXiv:2610.19021 [cs.CL] |
| （或 arXiv:2610.19021v1 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.19021 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Zijun Wu [查看邮箱]
[v1]
2026年10月13日星期二 18:14:05 UTC（281 KB）
来源：arXiv cs.CL · arxiv.org