Compréhension du temps · expérience contrôlée
Le modèle utilise le temps pour sélectionner le bon intervalle
Les temps corrects améliorent nettement la sélection d’intervalles. Le gain persiste avec un texte identique, ce qui soutient l’idée que le modèle exploite le temps et pas seulement les indices textuels.
Critères expérimentaux satisfaits · trois entraînements
Question de recherche
Le modèle utilise-t-il les temps réels pour choisir l’intervalle entre événements, ou devine-t-il à partir d’indices textuels ?
Méthode
Le modèle a été entraîné trois fois avec des initialisations aléatoires différentes. Chaque exécution comparait temps corrects, mélangés et mis à zéro. Un test supplémentaire gardait le texte identique en modifiant les temps et la réponse correcte. Les critères de réussite étaient fixés avant l’entraînement.
Résultats
Sur le test principal hors des conditions d’entraînement, la sélection correcte atteignait en moyenne 92,75 % avec les temps réels et 29,42 % avec les temps mélangés, soit 63,33 points d’écart. Pour les paires au texte identique, les deux réponses étaient correctes dans 75,33 % des groupes avec les temps réels, 2,33 % avec les temps mélangés et 0 % avec les temps nuls. Les trois entraînements ont satisfait les critères prédéfinis.
Limites
L’expérience teste le choix d’un intervalle parmi des options données. Elle ne démontre pas un modèle prêt à répondre à toute question temporelle. Une expérience antérieure laissait aussi ouverte l’association fiable d’intervalles répétés aux événements.
À propos de ce rapport
Il s’agit de rapports de recherche techniques, non de publications évaluées par les pairs. Chaque rapport précise ses sources, ses conditions de mesure et ses limites. La section des preuves indique ce qui peut être téléchargé ou reproduit.
Notes techniques et sources
Expérience : EXP011g. Une seed fixe l’initialisation aléatoire pour la reproduire ; les exécutions utilisaient 42, 43 et 44. OOD désigne les tests hors des conditions d’entraînement. La mesure principale est pair_acc ; group_both mesure la réussite conjointe d’exemples appariés. Les tableaux liés contiennent les détails.
Les noms de fichiers et les empreintes SHA-256 identifient les versions exactes des sources utilisées pour préparer ce rapport.
- EXP011g-placebo-gates.md
SHA-256: 8986d1842c8084791b3137047669833b67deeae00004f50919b6c0baaaa5371e
