时间抽取任务的多维泛化评测

时间与事件表达抽取是基础的时间推理任务，但因标注歧义、领域敏感与模型行为不稳定而困难。现有评估聚焦域内性能，对分布偏移下可靠性的洞察有限。我们在泛化的四个维度上评估跨模型族、架构与推理策略的多种配置，考察从基线性能的迁移、跨维相关性以及规模、架构与提示的影响，为提示式LLM在时间表达抽取上的泛化提供系统研究。我们发现：强的基线任务性能通常预测更好的泛化，但在大幅分布偏移下该关系减弱；归纳式提示在域偏移、对抗扰动、组合性与长度增长间表现最一致，而规模、架构与演绎/溯因提示策略的增益不均衡且依赖维度。结论是：LLM在时间抽取任务上的泛化无法由任何单一维度预测，也无法从域内或单维评估可靠推断，需要跨维度泛化的推理策略。