Chronofy：时间感知检索增强生成中信息有效性的时间逻辑衰减架构

检索增强生成 (RAG) 系统检索外部知识并将其集成到地面 大语言模型 (LLM) 输出。然而，当前的 RAG 架构将所有检索到的事实视为同等有效，无论时间来源如何，从而导致时间幻觉，其中看似合理但过时的事实会破坏输出。昨天的临床实验室读数是可行的；六个月前的相同读数是噪音。我们提出了 Chronofy，一个实现时间逻辑衰减架构 (TLDA) 的三层神经符号框架，该框架将时间有效性直接嵌入到 RAG 系统的表示、检索和推理层中。第 1 层在 Matryoshka 嵌入中保留专用的时间子空间，以使事实年龄在结构上无法从表示中移除。第 2 层将可学习的指数衰减函数集成到基于图的检索中，其中衰减系数 $β_j$ 基于贝叶斯决策理论，近似为潜在过程均值回归率的两倍。第 3 层应用信号时态逻辑 (STL) 鲁棒性函数来评估检索到的知识的时间有效性，而不是 LLM 输出置信度，并强制执行可能最弱链接原则，通过推理链中最腐烂的证据来限制输出置信度。我们在时间知识图预测基准、TimE 时间 QA 基准和特定领域的敏感性分析上评估 Chronofy，证明显式时间衰减模型可以提高检索精度，减少时间幻觉，并在时间上下文不足时启用有原则的数据重新获取触发。