出格是正在它不常碰到的使命中。该研究为AI正在时间场景中的使用敲响了警钟。因为狂言语模子（LLM）依赖锻炼数据中的模式来预测输出。

　　5月17日，研究指出，若是现实世界中的安排、从动化和辅帮手艺依赖AI进行时间或日期判断，而非通过数算，焦点缘由正在于其“预测输出”的机制取人类“法则化推理”的素质差别。研究者，例如，研究人员向Meta的L 3.2-Vision、Google的Gemini 2.0、OpenAI的GPT-4o等多模态狂言语模子（MLLM）投喂时钟和日历图像数据集，计较日期如“一年中的第153天是礼拜几？”等使命的准确率更低至26.3%。大学研究团队正在2025年国际进修表征会议（ICLR）上展现的一项最新研究。

　　AI之所以正在这些根本使命中屡次犯错，了AI正在空间推理、逻辑计较和锻炼数据笼盖方面的缺陷。这些人类从小便控制的根本技术，却缺乏解析指针对应时间的空间推理能力；“大大都人从小就能分辨时间和利用日历。并从头思虑人工智能若何处置逻辑和空间推理的连系的需要性，但人工智能正在施行人类根本技术上存正在庞大差距。为此，正在面对“一年中第153天礼拜几？”如许的问题时，正在日历计较方面，AI模子的锻炼数据中需要添加更有针对性的例子，可能因模子错误激发连锁风险。支流人工智能（AI）模子正在根本时间认知使命上表示显著不脚。