Chronocept：为机器学习瞬时感知

人类认知与对时间的感知紧密相连，称为Chronoception。这种感知使我们能够判断事实的有效时长，以及何时知识变得过时。尽管在视觉、语言和运动控制方面取得了进展，但AI仍然在推理时间有效性方面存在挑战。我们引入Chronocept，这是第一个将时间有效性建模为连续概率分布的基准测试。通过对语义分解的时间轴拟合偏正态曲线，Chronocept捕捉到涌现、衰减和峰值相关性的细微模式。其包含两个数据集：基准测试I（原子事实）和基准测试II（多句段落）。注释显示在注释员之间存在较强一致性（84%和89%）。我们的基线方法预测曲线参数——位置、尺度和偏度——实现可解释、可泛化的学习，并优于基于分类的方法。Chronocept填补了AI时间推理中的基础性空白，支持知识 grounding、事实核查、检索增强生成（RAG）以及主动智能体等应用。代码和数据已公开。