knowledge cutoff چیست؟

مدل در یک تاریخ خواندن را متوقف کرده، و خودش نمی‌داند آن تاریخ چیست

یک مدل زبانی از مجموعه‌ای ثابت از متن یاد می‌گیرد که پیش از شروع آموزش گردآوری شده است. LLM چیست دو مرحلهٔ آموزش را توضیح می‌دهد؛ نکتهٔ اینجا این است که هر دو از داده‌ای با تاریخ پایان استفاده می‌کنند. هیچ‌چیز منتشرشده پس از آن تاریخ در مدل نیست. نه انتخابات، نه تغییر قیمت، نه حتی خبر دربارهٔ خود مدل.

شرکت‌ها این تاریخ را روی کارت مدل منتشر می‌کنند، و به‌طور فزاینده دو تاریخ منتشر می‌کنند. Anthropic یک "training data cutoff" فهرست می‌کند، آخرین تاریخی که داده‌ای در آن گنجانده شده، و یک "reliable knowledge cutoff"، تاریخی زودتر که پیش از آن پوشش به‌اندازهٔ کافی متراکم است که بتوان اعتماد کرد. فاصلهٔ میان این دو وجود دارد چون وب ماه‌ها طول می‌کشد تا دربارهٔ رویدادی بنویسد: عرضه‌ای در مارس چند صفحه در آوریل دارد و هزاران صفحه تا سپتامبر. مدلی که در ژوئیه آموزش دیده، مارس را خوب می‌شناسد و ژوئیه را به‌سختی.

خود مدل هم نمی‌تواند هیچ‌کدام از این تاریخ‌ها را به شما بگوید. تقویمی ندارد و رکوردی از آموزش خودش ندارد؛ وقتی پرسیده می‌شود "knowledge cutoff تو چیست"، محتمل‌ترین پاسخ برای آن پرسش را از داده‌های آموزشی‌اش تولید می‌کند، که معمولاً تاریخی است که دربارهٔ مدلی قدیمی‌تر خوانده است. system prompt‌های منتشرشدهٔ Anthropic تاریخ cutoff را به‌صورت متنی و صریح به Claude می‌گویند، که خود اعتراف به این است که مدل بدون آن نمی‌دانست. تاریخ را از کارت مدل بگیرید، هرگز از چت.

مدل در روز عرضه چقدر کهنه است، اندازه‌گیری‌شده

آموزش ماه‌ها طول می‌کشد، و ارزیابی و کار ایمنی هم زمان بیشتری می‌برد، پس مدل از قبل عقب عرضه می‌شود. این نمودار از هشت کارت مدل خوانده شده: knowledge cutoff قابل‌اعتماد یا اعلام‌شده در برابر تاریخ عرضهٔ عمومی، بر حسب ماه کامل.

دو الگو دیده می‌شود. پرچمداران OpenAI عقب‌تر از همه عرضه شده‌اند، ده ماه برای هر دوی GPT-4.1 و GPT-5، در حالی که Anthropic و Google در بازهٔ دو تا چهار ماه بوده‌اند. و این فاصله در دوران خدمت فقط بزرگ‌تر می‌شود: GPT-4o یک سال پس از عرضه هنوز مدل پیش‌فرض ChatGPT بود، جایی که دانش آن ۱۹ ماه قبل‌تر تمام شده بود. مدلی که هر روز استفاده می‌شود معمولاً یک سال یا بیشتر از روزی که چیزی از آن می‌پرسید عقب است.

تاریخ‌های بالا متعلق به خود شرکت‌ها هستند، خوانده‌شده از کارت‌های مدلی که در انتهای این صفحه پیوند داده شده‌اند. جدول زمانی مدل‌های هوش مصنوعی تاریخ عرضهٔ هر مدلی را که این سایت پیگیری می‌کند دارد.

مدل وقتی از او فراتر از خط بپرسید چه می‌کند

پاسخ می‌دهد. مسئله همین است. مدل هیچ مرحلهٔ جست‌وجویی ندارد که "یافت نشد" برگرداند؛ محتمل‌ترین ادامه را تولید می‌کند، و برای پرسشی دربارهٔ ماه گذشته، آن ادامه از الگوهای پرسش‌های مشابه در داده‌های آموزشی ساخته می‌شود. دربارهٔ محصولی که پس از cutoff عرضه شده بپرسید، مدل توصیف می‌کند که چنین محصولی چه‌طور محتمل است باشد. قیمت فعلی را بپرسید، قیمت زمان cutoff را با فعل زمان حال می‌گوید.

توهم هوش مصنوعی چیست توضیح می‌دهد چرا مدل مطمئن است نه نامطمئن، اما نسخهٔ cutoff نشانه‌ای دارد که می‌توانید استفاده کنید: پاسخ منسجم و کمی قدیمی است. نام مدل یک نسخه عقب‌تر است، قیمت مال سال گذشته است، ویژگی "جدیدترین" همان است که در بازهٔ آموزشی بوده. پاسخ کهنه اشتباه به نظر نمی‌رسد؛ شبیه گذشته به نظر می‌رسد.

راه‌حل جست‌وجوست، و روی مدل‌هایی که هیچ‌کدام ندارند هم کار می‌کند

cutoff را نمی‌شود جابه‌جا کرد، پس پاسخ این است که در زمان پاسخ‌دادن، متن جاری را در اختیار مدل بگذاریم. دو سازوکار این کار را می‌کنند. آپلود سند متن شما را در prompt می‌گذارد، و مدل از روی آن پاسخ می‌دهد. جست‌وجوی وب صفحاتی را بازیابی می‌کند و همین کار را با وب باز انجام می‌دهد. هر دو زمینه‌سازی (grounding) هستند، و هر دو همان سازوکاری هستند که RAG چیست توضیح می‌دهد: مدل همچنان پیش‌بینی می‌کند، اما از موادی که پس از آموزشش هستند.

در Whizi، جست‌وجوی وب به‌صورت پیش‌فرض روشن است، کنار دکمهٔ پیوست در نوار نوشتن قرار دارد، و روی هر مدلی که انتخاب کنید اعمال می‌شود. همین بخش آخر مفید است. Claude یا یک مدل Llama: با روشن‌بودن این کلید، هر کدام به پرسشی دربارهٔ این هفته از منابع زنده پاسخ می‌دهند. این کلید مجوز می‌دهد نه فرمان، پس درخواست یک شعر جست‌وجویی را فعال نمی‌کند و پرسشی که تاریخی در آن هست فعال می‌کند. جست‌وجو هیچ اعتباری هزینه ندارد؛ پیام هزینهٔ ردهٔ اعتباری مدلی را دارد که پاسخ داده، درست مانند بدون جست‌وجو.

یک محدودیت را باید صادقانه گفت. جست‌وجو کهنگی را برطرف می‌کند؛ اعتبار را برطرف نمی‌کند. پستی کهنه در وبلاگی به همان راحتی صفحهٔ یک شرکت بازیابی می‌شود، پس برای قیمت یا مشخصات، پیوند منبع را پیش از عمل‌کردن بر اساس آن باز کنید، و برای هر چیزی که اهمیت دارد، از مدلی دوم با جست‌وجوی روشن بپرسید و مقایسه کنید.

فرض کنید شش ماه عقب است، بعد پرسش را دسته‌بندی کنید

فرض کنید هر مدلی دست‌کم شش ماه عقب است، و مدلی که مدتی است استفاده کرده‌اید یک سال یا بیشتر عقب است. سپس پرسش را دسته‌بندی کنید. اگر پاسخ به واقعیت‌های دنیا پس از آن خط بستگی دارد، جست‌وجو را روشن کنید یا منبع را آپلود کنید. اگر پاسخ به استدلال دربارهٔ چیزی که از قبل در گفت‌وگو هست بستگی دارد، cutoff اهمیتی ندارد و جست‌وجو می‌تواند خاموش باشد.

کارت مدل را چک کنید، نه خود مدل را، برای تاریخ. و وقتی مدلی داوطلبانه می‌گوید "تا آخرین به‌روزرسانی من"، آن را چنین بخوانید که مدل دارد از داده‌های آموزشی‌اش نقل‌قول می‌کند، نه اینکه واقعیتی دربارهٔ خودش گزارش می‌دهد، و با همان شک به هر چیزی پس از آن عبارت نگاه کنید.