cs.CL提交于 2026-10-26已译

采集日期重定向会改变时序问答答案

Collection-Date Assignment Redirects Answers in Temporal QA

Minsu Oh · Seunghui Jwa · Soo Kyun Kim · Yeo-Chan Yoon

中文摘要

采集日期记录的是某个来源修订版被获取的时间，而非其内容发生变化的时间。仅为问题分配这类元数据，是否会在证据不变时改变时序问答结果？在两个修订版之间交换问题日期及其后一天，会使五个开放权重 LLM 在 595 个 Wikipedia 页面上的后指精确匹配率下降 37.6–51.4 个百分点，并在 128 个互不重叠的页面上复现。将问题日期换成前一天，在 497 个页面上仍损失 29.0–39.6 个百分点。七种提示变体，包括明确要求忽略采集日期以及提供归档修订来源，均保留该效应。虚构答案和英文月份名称形式的问题日期表明，记忆中的答案与相同日期字符串并非必要条件。匹配思维过程可将 Qwen3.5 的损失从 30.1 个百分点降至 11.1 个百分点，而原生推理模型的表现存在差异。两个 API LLM 在 Wikipedia 日期交换实验中的影响较小，在虚构记录上也很少转向更早的答案。交换日期造成的较大损失集中在问题日期附近；相距较远的日期之间交换影响小得多。在校正后，添加含一个已观测采集日期的字段，会使五个 LLM 中三个的精确匹配率低于省略该字段的情形。该诊断方法可区分元数据效应与证据变化或遗漏相关修订版的影响，并为时序问答输入提供实用审计方法。

关键要点

01仅调整采集日期元数据，即使证据不变，也会显著降低时序问答的精确匹配率。
02问题日期及其后一天互换产生 37.6–51.4 个百分点的损失；换成前一天仍产生 29.0–39.6 个百分点损失。
03七种提示变体和虚构答案实验表明，模型记忆与相同日期字符串都不是该效应成立的必要条件。
04匹配思维过程可缓解 Qwen3.5 的损失，但原生推理模型的表现存在差异；远距离日期交换影响较小。
05诊断方法可隔离元数据影响，并为时序问答输入提供可操作的审计方式。

解读

尚无解读。

原始英文摘要

arXiv:2610.32191v1 Announce Type: new Abstract: A collection date records when a source revision was acquired, not when its contents changed. Can assigning this metadata redirect temporal question answering despite unchanged evidence? Swapping the question day and following day between two revisions lowers later-reference exact match (EM) by 37.6-51.4 percentage points across five open-weight LLMs on 595 Wikipedia pages, replicated on 128 disjoint pages. Previous-day swaps retain 29.0-39.6-point losses on 497 pages. Seven prompt variants, including explicit ignore-collection instructions and archived-revision provenance, retain the effect. Fictional answers and English month-name question dates show that remembered answers and identical date strings are unnecessary. Matched thinking reduces Qwen3.5's penalty from 30.1 to 11.1 points, while native reasoners vary. Two API LLMs show small Wikipedia swap effects and rarely shift to earlier answers on fictional records. Large swap-induced losses concentrate around the question date; swaps between distant dates have much smaller effects. Adding fields containing one observed acquisition date lowers EM relative to omission in three of five LLMs after correction. The diagnostic isolates metadata effects from changing evidence or missing the relevant revision, and provides a practical audit for temporal QA inputs.