駭客松: 從多語種語料庫自動提取時間軸（徵求參與）

English version: Automated Timeline Extraction from a Multilingual Corpus (Hackathon)

Version en français : Hackathon (appel) : Les LLMs au défi du temps, d'une langue à l'autre

Lord, Lord, what a change had come over her! the softness of motherhood; its egotism too. Last time they met, Peter remembered, had been among the cauliflowers in the moonlight, the leaves “like rough bronze” she had said, with her literary turn; and she had picked a rose. She had marched him up and down that awful night, after the scene by the fountain; he was to catch the midnight train. Heavens, he had wept!

吳爾芙在《達洛維夫人》（1925）中的這段文字，究竟提到了哪些事件？這些事件應該按照什麼順序排列在時間軸上？我們能否為它們確定具體的日期？能否推算它們的持續時間？又是否能夠測量事件與事件之間的時間間隔？更進一步的說，這樣一段簡短的文字，是否可以被轉寫為結構化的時間資訊？

這些問題正是許多敘事類文本所引發的核心挑戰。這裡所說的敘事類文本，可以廣義地理解為：凡是描述事件，並使這些事件透過因果關係或單純的時間先後彼此連結的文本。自2023年以來，已經有許多研究開始探討大型語言模型（LLMs）在時間推理方面的能力，也使這類問題重新成為數位人文與自然語言處理共同的焦點。

Huma-Num DISTAM+聯盟將與法國現代中國研究中心、法國在臺協會合作，舉辦一場駭客松，專門討論上述問題。

本次駭客松的目標，是匯集多支團隊，共同建立一套基準與比較方法，並找出針對這類問題的解決方案。透過不同語言、不同文本類型與不同技術路徑之間的交叉測試，我們希望進一步評估：如何從多語種語料庫中自動提取事件、重建時間順序，並將敘事文本轉化為可分析、可比較的時間軸資料。

問題設定

時間推理會涉及多種類型的問題。這些問題既關乎事件與時間資訊的表徵方式，也關乎模型如何排序、測定與比較不同語言及文化脈絡中的時間關係。

1. 表徵與結構化

• 1.1. 應該採用何種結構來記錄事件及其相關的時間資訊？（這裡先暫時擱置「事件」本身定義的問題。）
• 1.2. 應該如何記錄事件之間的先後順序？又該如何表示兩個事件之間的時間間隔？
• 1.3. 應該如何呈現事件的時間屬性，例如事件發生於何時、持續多久？
• 1.4. 面對時間詞彙本身的不確定性，例如期間、時刻、約略時間或模糊時間，應該如何處理？

2. 時間排序

• 2.1. 可以採用哪些策略將事件依照時間順序排列？
• 2.2. 哪些策略的表現較好？這種策略的優勢又體現在哪些層面？
• 2.3. 這些策略各自依賴哪些處理流程？
• 2.4. 如何盡可能精確地測量已記錄事件之間的時間間隔？

• 3. 年代測定
• 3.1. 針對文本中提及的事件進行年代測定時，可以得到哪些結果？
• 3.2. 若脫離西歐既定的時間參照框架，年代測定的結果是否仍然具有可比性？
• 3.3. 年代測定是否有助於進一步精確化，或確認事件之間的時間序列？
• 3.4. 目前的測定方法是否仍有改進空間？如果有的話，那麼應該優先考慮哪些方向？

4. 文獻較少的語言與文化

• 4.1. 歷史文本是否會為上述問題帶來特定挑戰？
• 4.2. 根據分析文本所使用語言的不同，各類模型的表現水準有何差異？
• 4.3. 面對最具挑戰性的語料庫，應該制定哪些策略來強化模型表現，並提升結果的穩定性？

• 5. 複雜度與文本長度
• 5.1. 在駭客松期間測試的處理流程中，表現較差的文本具有哪些共同特徵？
• 5.2. 對於長篇文本，或時間資訊密度特別高的文本，是否應該在預處理階段單獨處理？
• 5.3. 為了突破目前已知的限制，可能考慮採取哪些策略？

文本語料庫

本次駭客松所使用的語料庫，係於2026年夏季透過徵集活動建置而成，該語料庫彙集了多種描寫事件的散文文本。這些文本將不同事件相互對照，並將其置於特定的時間軸之中。這種時間關係有時以明確方式表示，例如直接出現日期或時間詞。有時則以較為隱晦的方式呈現，例如透過因果關係、敘事順序或上下文脈絡暗示事件之間的先後。

本語料庫的設計，建立在一項基本假設之上：模型的時間推理能力，可能會因文本類型與語言條件而有所差異。前者包括文本長度、文體風格，以及時間資訊的密度，後者則包括歷史語言與當代語言的差異，或者是各語言自身的結構特徵。

因此本次語料庫刻意保留高度的多樣性，它涵蓋英語、中文與法語等三種主要語言及其歷時性的變體（例如文言文），並收錄來源與篇幅各不相同的文本，包括文學作品、歷史文本、新聞報導等。透過這樣的設計，本次駭客松希望能夠觀察不同語言、不同文類與不同時間結構的變因之下，將如何影響事件提取、時間排序與年代測定的結果。

目標：

本次駭客松的目標包括：

科學目標

• 彙整大型語言模型時間推理研究的現況，相關文獻目錄將於2026年9月14日彙整並分享。
• 將目前已提出的各類方法應用於多語種語料庫，藉此評估方法的效能，並發布根據本語料庫建立的基準測試結果。
• 提出一套結構化策略，用以記錄從文本中提取出的時間元素。
• 識別可能阻礙時間推理的文本特徵與薄弱環節。
• 提出克服這些障礙的策略，並在條件允許的情況下加以測試。
• 若研究結果足以支撐後續發表，則撰寫一篇綜述文章，彙整本次工作所獲得的成果。

交付成果

本次駭客松預期產出以下成果：

• 一套用於時間推理研究的三語標註資料集。
• 一套用以描述所提取時間資料的結構模型。
• 一組針對時間推理方法的基準測試結果，用以比較不同方法在各類語料庫中的表現。
• 若協作式駭客松期間取得令人鼓舞的成果，將進一步撰寫並發表一篇關於時間資訊提取實驗的研究文章。該文章將於駭客松結束後定稿，並投稿至聚焦於計算研究、自然語言處理（NLP）的相關期刊或研討會。

參與者將依據NISO CRediT系統獲得署名。所有使用的語料庫也將被系統性地引用與記錄。

時程表

• 徵件啟動：2026年6月13日
• 報名截止日期：2026年8月17日 (2026年7月21日)
• 主辦單位回覆：2026年7月31日
• 提供文獻資源與資料集：2026年9月14日
• 駭客松舉辦時間：2026年9月21日至24日（詳情請參閱下文）

駭客松舉辦地點

• 孔多塞校園（奧貝維利耶）
• 中央研究院（臺北）

駭客松流程

9月21日：

• 線上舉行（巴黎時間上午10點，臺北時間下午4點）：介紹駭客松並制定活動方針，確立初步任務。

9月22日：

• 臺北開始工作。
• 分享環節（臺北時間下午 3 點或 4 點）：彙整進展與障礙，檢視目標。
• 巴黎接力。

9月23日：

• 臺北開始工作。
• 分享環節（臺北時間下午 3 點或 4 點）：彙整進展與障礙，檢視目標。
• 巴黎接力。

9月24日：

• 共同工作4小時（臺北時間下午2點起，巴黎時間上午8點起）：整理成果，包括交付物、評估報告與書面文件。
• 閉幕。

徵集公告

語料庫徵集

我們誠摯邀請所有希望提交或分享語料庫，以供本次駭客松使用的團隊及個人與我們聯繫。語料庫須為英語、法語或中文的某種變體，文本則須包含敘事性內容，例如故事、文章、報告等。所有來源都將在駭客松的成果報告中註明。

參與徵集

我們誠摯地邀請所有對自然語言處理及計算語言學感興趣，並有意願參與本次駭客松的學者專家踴躍報名。唯前往巴黎或臺北的交通及住宿費用，須由參與者自行負擔。本次駭客松將以實體形式舉行。其中9月21日的介紹與策略制定環節將在線上進行。主要工作語言為英文，現場亦會使用法文和中文。

回應徵集公告之方式

郵件寄送地址

• 請寄至：[marie.bizais@cnrs.fr](mailto:marie.bizais@cnrs.fr)
• 郵件主旨請以「LLM Temporal Reasoning」開頭。

郵件內容

• 若提供語料庫，請註明：文本數量、來源、語言、產出日期，以便了解所涉及的語言發展階段；平均長度方面，法語和英語請提供單字數及字元數，中文請提供字數。
• 如果打算參加駭客松，請提供：姓名、稱謂、身分。如果您是博士生，請註明指導教授姓名。
• 請報名時一併提供所屬機構、自然語言處理的學歷或經驗程度，以及參與動機。

參考資料：

Lande Dmytro and Strashnoy Leonard. LLM Reconstructions of the Text Narrative With and Without the Time Markers (October 26, 2024). Available: http://dx.doi.org/10.2139/ssrn.5000687

Pattaraphon Kenny Wongchamcharoen and Paul Glasserman. Do Large Language Models (LLMs) Understand Chronology? (2025). Available: https://arxiv.org/abs/2511.14214

SUN Feifei et al. Benchmarking Temporal Reasoning: Can Large Language Models Navigate Time When Stories Refuse to Follow a Straight Line? First Workshop on Foundations of Reasoning in Language Models (2025). Available: https://openreview.net/forum?id=jogKc4OluB

Jin, Ming et al. Time-LLM: Time Series Forecasting by Reprogramming Large Language Models. International Conference on Learning Representations (2024). Available: https://proceedings.iclr.cc/paper_files/paper/2024/file/680b2a8135b9c71278a09cafb605869e-Paper-Conference.pdf

Yeager, S., (2023) “Time Maps: Theory and Method”, Journal of Cultural Analytics 8(3). https://doi.org/10.22148/001c.87937

Zhang et al., Narrative-of-Thought: Improving Temporal Reasoning of Large Language Models via Recounted Narratives, Findings (2024). Available: https://aclanthology.org/2024.findings-emnlp.963/

相關單位：

的Huma-Num DISTAM+聯盟（Digital Studies Africa, Asia, and the Middle East）由法國國家科學研究中心（Centre national de la recherche scientifique）第2999號研究支援單位（UAR 2999-études aréales）所主持，致力於在法國區域研究領域中推廣與探索計量研究的方法。

法國當代中國研究中心（Centre d’études français sur la Chine Contemporaine）是由法國外交及歐洲事務部（Ministère de l’Europe et des affaires étrangères）與法國國家科學研究中心共同監管的公共研究機構，致力於研究中國、臺灣、香港及澳門的政治、經濟、社會與文化變遷。

法國在臺協會（Bureau français de Taipei）為法國在臺灣的官方代表機構，致力於推動臺法合作，其中也包含學術研究的交流

法國當代中國研究中心臺北分部，邀請Huma-Num DISTAM+聯盟籌備，並與法國在臺協會合作，共同辦理此次駭客松計畫。

圖片來源：〈撰寫短篇故事：連環圖（小學生活）〉，Eklablog，網址：https://quelleclasse.eklablog.com/ecrire-une-courte-histoire-images-sequentielles-cp-a212344067

---

---