STAIR：用于时序问答可解释推理的语义-时间自动机

arXiv 论文提出 STAIR，一种语义-时间自动机，用于时序问答中的可解释推理。STAIR 将语义解析与精确时间推理分离：LLM 适配器将复杂问句映射为归一化时间意图，确定性时间自动机执行策略。在 TimeQA-Easy、TimeQA-Hard、TempReason-L2 和 TempReason-L3 数据集上，STAIR 使用匹配的模型设置，平均 F1 分别提升 16.57% 和 3.10%（基于 Qwen2 系列模型）。

现有提示式神经符号系统依赖 LLM 同时进行语义解析和时间推算，导致时间决策易错且难验证。STAIR 将两者分离，用确定性自动机处理精确时间推理，仅在规则路径失败时才调用 LLM 进行语义适配，使时间决策可验证可解释，并显著提升时序问答准确率。

STAIR 采用规则优先设计：标准问题不经过 LLM，由确定性时间自动机通过有限控制和带守卫的转换执行策略，实现点时间包含和前后选择等精确推理。当规则路径无法产生可执行意图时，LLM 适配器仅负责语义适配，处理非精确区间和时间锚定查询，从而减少自由形式推理，提高可靠性和可解释性。

对于构建时序问答系统的产品团队，STAIR 提供一种降低对 LLM 推理依赖的架构，可减少因概率性错误导致的决策风险，提升系统可解释性和可审计性。但其适用性与具体性能需结合自身数据验证，且可能增加系统复杂度。

• 在时序问答产品中采用规则优先架构，将精确时间推理交给确定性组件，降低 LLM 调用成本并提升可验证性。
• 将 STAIR 的语义适配机制用于处理非标准时间表达和时间锚定查询，提升复杂问句的鲁棒性。
• 利用 STAIR 的可解释设计，向企业客户展示时间推理过程，增强信任度和合规性。
• 结合 STAIR 在 TimeQA 等数据集上的表现，评估其对自身时序问答任务准确率的提升潜力。

• STAIR 在非 Qwen2 模型上的性能如何，是否具有模型无关性？
• STAIR 处理现实世界中极为复杂或模糊的时间表达时的失败模式是什么？
• STAIR 的确定性自动机是否适用于流式或增量更新的时间知识库？
• STAIR 在工业场景中的工程实现复杂度（如规则设计、状态管理）是否可接受？