Apa itu knowledge cutoff ai?

Model berhenti membaca pada satu tarikh, dan ia tidak tahu tarikh itu

Model bahasa belajar daripada set teks tetap yang dihimpun sebelum latihan bermula. Apa itu LLM menghuraikan dua peringkat latihan; intinya di sini ialah kedua-duanya menggunakan data dengan tarikh tamat. Apa jua yang diterbitkan selepas tarikh itu tidak ada dalam model. Bukan pilihan raya, bukan perubahan harga, bukan berita tentang model itu sendiri.

Vendor menerbitkan tarikh itu pada kad model, dan semakin ramai menerbitkan dua. Anthropic menyenaraikan "training data cutoff", tarikh terakhir mana-mana data dimasukkan, dan "reliable knowledge cutoff", tarikh lebih awal sebelum mana liputan cukup padat untuk dipercayai. Jurang antara kedua-duanya wujud kerana web mengambil masa berbulan-bulan untuk menulis tentang sesuatu peristiwa: pelancaran pada Mac hanya ada segelintir laman pada April dan beribu-ribu menjelang September. Model yang dilatih pada Julai mengenali Mac dengan baik dan Julai hampir tidak langsung.

Model itu sendiri tidak dapat memberitahu anda tarikh yang mana satu. Ia tiada kalendar dan tiada rekod latihannya sendiri; apabila ditanya "apakah knowledge cutoff anda", ia menghasilkan jawapan yang paling berkemungkinan bagi soalan itu daripada data latihannya, yang biasanya merupakan tarikh yang ia baca tentang model terdahulu. Sistem prompt Anthropic yang diterbitkan memberitahu Claude tarikh cutoffnya sendiri secara jelas, iaitu pengakuan bahawa model tidak akan mengetahuinya jika tidak. Ambil tarikh daripada kad model, bukan daripada sembang.

Sejauh mana lapuknya model pada hari ia dilancarkan, diukur

Latihan mengambil masa berbulan-bulan, dan kerja penilaian serta keselamatan mengambil masa lebih lama lagi, jadi model dilancarkan dalam keadaan sudah ketinggalan. Carta ini membaca lapan kad model: reliable atau stated knowledge cutoff berbanding tarikh pelancaran awam, dalam bulan penuh.

Dua corak. Model unggulan OpenAI dilancarkan paling ketinggalan, sepuluh bulan untuk kedua-dua GPT-4.1 dan GPT-5, manakala Anthropic dan Google beroperasi pada dua hingga empat bulan. Dan jurang itu hanya semakin membesar semasa digunakan: GPT-4o masih menjadi model lalai ChatGPT setahun selepas pelancaran, ketika itu pengetahuannya sudah berakhir 19 bulan lebih awal. Model yang digunakan setiap hari biasanya ketinggalan setahun atau lebih pada hari anda menanyakan sesuatu kepadanya.

Tarikh di atas adalah milik vendor sendiri, dibaca daripada kad model yang dipautkan di penghujung halaman ini. Garis masa model AI mempunyai tarikh pelancaran untuk setiap model yang dijejaki laman ini.

Apa yang dilakukan model apabila anda bertanya melepasi garisan itu

Ia menjawab. Itulah masalahnya. Model tiada langkah carian yang mengembalikan "tidak dijumpai"; ia menjana kesinambungan yang paling munasabah, dan bagi soalan tentang bulan lepas, kesinambungan itu dibina daripada corak soalan serupa dalam data latihan. Tanya tentang produk yang dilancarkan selepas cutoff dan model akan menerangkan seperti apa produk itu secara munasabah. Tanya harga semasa dan ia memberikan harga pada cutoff, dinyatakan dalam kala kini.

Apa itu halusinasi AI menerangkan sebab model yakin berbanding ragu-ragu, tetapi versi cutoff ini mempunyai petanda yang boleh anda gunakan: jawapannya koheren dan sedikit lapuk. Nama model terdahulu satu versi, harganya harga tahun lepas, ciri "terkini" ialah ciri dari tempoh latihan. Jawapan yang lapuk tidak kelihatan salah; ia kelihatan seperti masa lampau.

Penyelesaiannya ialah carian, dan ia berfungsi pada model yang tiada carian

Cutoff tidak boleh diubah, jadi penyelesaiannya ialah memberikan model teks semasa pada masa menjawab. Dua mekanisme melakukan itu. Memuat naik dokumen meletakkan teks anda dalam prompt, dan model menjawab daripadanya. Carian web mendapatkan semula laman dan melakukan perkara sama dengan web terbuka. Kedua-duanya ialah grounding, dan kedua-duanya ialah mekanisme yang diterangkan oleh apa itu RAG: model tetap meramal, tetapi daripada bahan yang lebih baharu daripada latihannya.

Dalam Whizi, carian web dihidupkan secara lalai, terletak di komposer bersebelahan butang lampir, dan terpakai kepada mana-mana model yang anda pilih. Itulah bahagian yang berguna. Claude atau model Llama: dengan togol dihidupkan, setiap satu menjawab soalan tentang minggu ini daripada sumber langsung. Togol itu memberi kebenaran bukannya mengeluarkan arahan, jadi permintaan untuk sajak tidak mencetuskan carian dan soalan yang mengandungi tarikh akan mencetuskannya. Carian tidak dikenakan kredit; mesej dikenakan tangga kredit model yang menjawabnya, sama seperti tanpa carian.

Satu had wajar dinyatakan dengan jujur. Carian membetulkan kelapukan; ia tidak membetulkan kredibiliti. Catatan blog yang lapuk diperoleh semudah laman vendor, jadi untuk harga atau spesifikasi, buka pautan yang disebut sebelum bertindak atasnya, dan untuk apa jua yang penting, tanya model kedua dengan carian dihidupkan dan bandingkan.

Anggap enam bulan ketinggalan, kemudian susun soalan itu

Anggap setiap model sekurang-kurangnya enam bulan ketinggalan, dan model yang telah anda gunakan sekian lama sudah ketinggalan setahun atau lebih. Kemudian susun soalan itu. Jika jawapan bergantung pada fakta tentang dunia selepas garis itu, hidupkan carian atau muat naik sumbernya. Jika jawapan bergantung pada penaakulan tentang sesuatu yang sudah ada dalam perbualan, cutoff tidak penting dan carian boleh dimatikan.

Semak kad model, bukan model itu, untuk tarikh. Dan apabila model secara sukarela menyebut "setakat kemas kini terakhir saya", anggap ia sebagai model memetik data latihannya bukannya melaporkan fakta tentang dirinya sendiri, dan layan segala-galanya selepas frasa itu dengan syak wasangka yang sama.