采集日期赋值会改变时间问答的模型回答

在证据内容未变的情况下，仅调换采集日期元数据便会导致 5 款开源 LLM 在维基百科时间问答中的精确匹配率（EM）下降 37.6-51.4 个百分点。前一日调换仍产生 29.0-39.6 个百分点的损失，且包含忽略采集指令在内的 7 种提示词变体均无法消除该影响。配对思考则使 Qwen3.5 的损失从 30.1 分降至 11.1 分。