T-SMART: Атрибуция на уровне механизма для решения вопросов, связанных с применением средств

arXiv:2609.14142v1 Annuate Type: New Habrial: Major Language Models (LMS) может бороться с ответом на вопросы временных рядов (TS-QA), особенно в тех случаях, когда числовые сигналы серийно изображаются как текст и требуют прямых вычислений. Применяемые с помощью средств подходы повышают эффективность работы, однако существующие системы часто втягивают языковые рассуждения, расчеты и восприятие, что затрудняет определение того, какие компоненты являются движущей силой полученных результатов. Мы представляем T-SMART, нейросимболическую систему, которая разделяет эти роли: замороженный LLM интерпретирует вопросы и выбирает операции, детерминистские инструменты выполняют цифровые расчеты, а структурированное восприятие используется только в случае необходимости. Контролируемые пары показывают, что детерминистские вычисления дают доминирующую выгоду, повышая точность на 31,7% по сравнению с прямыми рассуждениями LLM о серийных временных рядах, в то время как языковое понимание и восприятие обеспечивают меньшие дополнительные выгоды. Эти результаты свидетельствуют о том, что с помощью инструментов ТS-QA получает первичные выгоды