LLM 能否调用世界知识做事件预测？DescribeEvent 基准给出接口解法
原标题：Can LLMs Access their World Knowledge for Event Prediction?
AI 摘要
该研究探讨大语言模型能否利用其预训练世界知识进行时间事件预测。作者提出，LLM 此前表现不佳并非知识不可用，而是接口设计问题，并给出两项设计：为每个事件提供自然语言描述，以及将事件语义与预测空间解耦（使用无语义的符号标签）。为此他们发布了 DescribeEvent 基准，包含 7 个数据集、6 个领域共 15 万个事件，实验显示能力较强的 LLM 在同时使用描述与符号标签时优于无描述变体和非 LLM 基线，而较弱模型收益有限。
正文节选
Can LLMs Access their World Knowledge for Event Prediction? Abstract Recent work has questioned whether large language models (LLMs) can be useful for temporal event prediction. Despite vast pretrained world knowledge, LLMs often underperform simpler specialized models. We ask whether this knowledge is truly inaccessible, or whether current methods fail to present event prediction in a form LLMs can use. We argue for the latter and show that LLMs become effective event forecasters when the inter