深度分析
線性探針 vs DAS：以讀出—中介角度量化時間推理的因果子空間
本研究提出「讀出—中介角度」作為量化線性探針（probe）與模型實際因果運算間距離的指標。以日曆日期的持續時間推理為案例，比較傳統 sin/cos Ridge 探針與 Distributed Alignment Search（DAS）所發現的子空間，並以 Haar 隨機基準檢驗角度分佈。
時間推理
深度分析
「SpookyBench」揭示 Video‑VLM 純時間推理盲點與未來發展方向
研究指出，視訊語言模型在空間資訊缺失時無法捕捉純時間模式。作者以全噪聲影片序列建立SpookyBench，測試顯示人類達98%正確率，模型卻多為0%。此差距凸顯模型過度依賴畫面特徵，需重新思考時間處理架構。SpookyBench徹底剝離空間線索，預示未來AI需時間感知模組。
多代理大型語言模型
TrajOnco：多代理大型語言模型在縱向電子健康紀錄上進行時間推理的多癌症早期偵測框架
研究指出，從縱向電子健康紀錄中精準估計癌症風險具挑戰性。TrajOnco 以多代理大型語言模型與長期記憶架構，對序列化臨床事件進行時間推理，產出患者摘要與風險分數。實驗在 15 種癌症的病例對照中，零樣本 AUROC 達 0.64‑0.80，與監督式模型表現相當，且提升時間推理解釋性。