Knowledge cutoff کیا ہوتا ہے؟

ماڈل نے ایک تاریخ پر پڑھنا بند کر دیا، اور اسے وہ تاریخ خود معلوم نہیں

زبان ماڈل ٹریننگ شروع ہونے سے پہلے جمع کیے گئے متن کے ایک مقررہ ذخیرے سے سیکھتا ہے۔ LLM کیا ہے میں ٹریننگ کے دونوں مراحل بیان ہیں؛ یہاں اہم بات یہ ہے کہ دونوں میں ڈیٹا کی ایک اختتامی تاریخ ہوتی ہے۔ اس تاریخ کے بعد شائع ہونے والی کوئی بھی چیز ماڈل میں شامل نہیں ہوتی۔ نہ الیکشن، نہ قیمت کی تبدیلی، نہ خود ماڈل کے بارے میں خبر۔

وینڈرز یہ تاریخ ماڈل کارڈ پر شائع کرتے ہیں، اور اب بڑھتی تعداد میں دو تاریخیں شائع کرتے ہیں۔ Anthropic ایک "training data cutoff" درج کرتا ہے، جو آخری تاریخ ہے جس پر کوئی ڈیٹا شامل کیا گیا، اور ایک "reliable knowledge cutoff"، جو ایک پہلے کی تاریخ ہے جس سے پہلے کوریج اتنی گھنی ہے کہ اس پر بھروسہ کیا جا سکے۔ ان دونوں کے درمیان فرق اس لیے ہوتا ہے کیونکہ ویب کو کسی واقعے کے بارے میں لکھنے میں مہینوں لگتے ہیں: مارچ میں آنے والی ریلیز کے اپریل تک چند صفحات ہوتے ہیں اور ستمبر تک ہزاروں۔ جولائی میں تربیت پانے والا ماڈل مارچ کو اچھی طرح جانتا ہے اور جولائی کو بمشکل۔

خود ماڈل آپ کو ان میں سے کوئی بھی تاریخ نہیں بتا سکتا۔ اس کے پاس کوئی کیلنڈر نہیں اور اپنی تربیت کا کوئی ریکارڈ نہیں؛ جب پوچھا جائے "آپ کا knowledge cutoff کیا ہے"، تو وہ اپنے تربیتی ڈیٹا میں اس سوال کا سب سے زیادہ ممکنہ جواب پیدا کرتا ہے، جو عام طور پر کسی پہلے کے ماڈل کی پڑھی گئی تاریخ ہوتی ہے۔ Anthropic کے شائع شدہ سسٹم پرامپٹس Claude کو اس کی اپنی کٹ آف تاریخ صاف الفاظ میں بتاتے ہیں، جو خود اس بات کا اعتراف ہے کہ ماڈل کو یہ ورنہ معلوم نہ ہوتی۔ تاریخ ہمیشہ کارڈ سے لیں، چیٹ سے کبھی نہیں۔

ماڈل ریلیز کے دن کتنا پرانا ہوتا ہے، ناپا گیا

ٹریننگ میں مہینے لگتے ہیں، اور تشخیص و سیفٹی کے کام میں مزید، اس لیے ماڈل پہلے ہی پیچھے رہ کر لانچ ہوتا ہے۔ یہ چارٹ آٹھ ماڈل کارڈز پڑھتا ہے: قابلِ بھروسہ یا بیان کردہ knowledge cutoff کا موازنہ عوامی ریلیز کی تاریخ سے، مکمل مہینوں میں۔

دو پیٹرن نظر آتے ہیں۔ OpenAI کے فلیگ شپ ماڈلز سب سے زیادہ پیچھے لانچ ہوئے، GPT-4.1 اور GPT-5 دونوں کے لیے دس مہینے، جبکہ Anthropic اور Google دو سے چار مہینوں پر رہے۔ اور یہ فرق سروس میں رہتے ہوئے صرف بڑھتا ہے: GPT-4o لانچ کے ایک سال بعد بھی ChatGPT کا ڈیفالٹ ماڈل تھا، جس وقت تک اس کا علم 19 مہینے پہلے ختم ہو چکا تھا۔ روزانہ استعمال ہونے والا ماڈل عام طور پر آپ کے سوال پوچھنے کے دن سے ایک سال یا زیادہ پیچھے ہوتا ہے۔

اوپر دی گئی تاریخیں خود وینڈرز کی ہیں، جو اس صفحے کے آخر میں لنک کیے گئے ماڈل کارڈز سے لی گئی ہیں۔ AI model timeline پر سائٹ کے ٹریک کیے گئے ہر ماڈل کی ریلیز تاریخیں موجود ہیں۔

جب آپ حد کے بعد کا سوال پوچھیں تو ماڈل کیا کرتا ہے

یہ جواب دیتا ہے۔ یہی مسئلہ ہے۔ ماڈل کے پاس کوئی ایسا لُک اپ اسٹیپ نہیں جو "نہیں ملا" واپس کرے؛ یہ سب سے زیادہ ممکنہ تسلسل پیدا کرتا ہے، اور پچھلے مہینے کے بارے میں سوال کے لیے یہ تسلسل تربیتی ڈیٹا میں موجود ملتے جلتے سوالات کے پیٹرن سے بنایا جاتا ہے۔ کٹ آف کے بعد آنے والی کسی پروڈکٹ کے بارے میں پوچھیں تو ماڈل بیان کرتا ہے کہ ایسی پروڈکٹ ممکنہ طور پر کیسی ہو گی۔ موجودہ قیمت پوچھیں تو یہ کٹ آف کی قیمت حال کے صیغے میں بتا دیتا ہے۔

AI hallucination کیا ہے یہ بتاتا ہے کہ ماڈل غیریقینی کے بجائے پراعتماد کیوں ہوتا ہے، لیکن کٹ آف والے کیس کی ایک نشانی ہے جو آپ استعمال کر سکتے ہیں: جواب مربوط مگر تھوڑا پرانا ہوتا ہے۔ ماڈل کا نام ایک ورژن پیچھے ہوتا ہے، قیمت گزشتہ سال کی ہوتی ہے، "تازہ ترین" فیچر وہی ہوتا ہے جو تربیتی ونڈو کا تھا۔ پرانا جواب غلط نظر نہیں آتا؛ یہ ماضی جیسا نظر آتا ہے۔

حل سرچ ہے، اور یہ ان ماڈلز پر بھی کام کرتا ہے جن میں یہ موجود نہیں

کٹ آف کو منتقل نہیں کیا جا سکتا، اس لیے حل یہ ہے کہ ماڈل کو جواب دیتے وقت موجودہ متن دیا جائے۔ دو طریقے یہ کام کرتے ہیں۔ دستاویز اپلوڈ کرنے سے آپ کا متن پرامپٹ میں شامل ہو جاتا ہے، اور ماڈل اسی سے جواب دیتا ہے۔ ویب سرچ صفحات حاصل کرتی ہے اور کھلے ویب کے ساتھ وہی کام کرتی ہے۔ دونوں grounding ہیں، اور دونوں وہی طریقہ کار ہیں جو RAG کیا ہے بیان کرتا ہے: ماڈل اب بھی پیش گوئی کرتا ہے، مگر ایسے مواد سے جو اس کی تربیت کے بعد کا ہو۔

Whizi میں، ویب سرچ ڈیفالٹ آن ہے، کمپوزر میں اٹیچ بٹن کے ساتھ موجود ہوتی ہے، اور آپ جو بھی ماڈل چنیں اس پر لاگو ہوتی ہے۔ یہی سب سے کارآمد بات ہے۔ Claude ہو یا کوئی Llama ماڈل: ٹوگل آن ہونے پر، ہر ایک اس ہفتے کے سوال کا جواب لائیو ذرائع سے دیتا ہے۔ یہ ٹوگل کوئی حکم نہیں بلکہ اجازت دیتا ہے، اس لیے نظم کی درخواست سرچ کو متحرک نہیں کرتی جبکہ تاریخ والا سوال کرتی ہے۔ سرچ کوئی کریڈٹ نہیں لیتی؛ پیغام کی قیمت وہی رہتی ہے جو جواب دینے والے ماڈل کی کریڈٹ سطح ہے، سرچ کے بغیر جتنی ہوتی۔

ایک حد ایمانداری سے بتا دینی چاہیے۔ سرچ پرانا پن ٹھیک کرتی ہے؛ یہ اعتبار کو ٹھیک نہیں کرتی۔ کوئی پرانی بلاگ پوسٹ اتنی ہی آسانی سے حاصل ہو جاتی ہے جتنی کہ کسی وینڈر کا صفحہ، اس لیے قیمت یا اسپیسیفیکیشن کے لیے عمل کرنے سے پہلے حوالہ دیا گیا لنک کھولیں، اور جو بھی اہم ہو اس کے لیے سرچ آن کر کے دوسرے ماڈل سے پوچھیں اور موازنہ کریں۔

چھ مہینے پیچھے فرض کریں، پھر سوال کو الگ کریں

ہر ماڈل کو کم از کم چھ مہینے پیچھے فرض کریں، اور جو ماڈل آپ کچھ عرصے سے استعمال کر رہے ہیں وہ ایک سال یا زیادہ پیچھے ہے۔ پھر سوال کو الگ کریں۔ اگر جواب اس تاریخ کے بعد کی دنیا کے حقائق پر منحصر ہے، تو سرچ آن کریں یا ماخذ اپلوڈ کریں۔ اگر جواب پہلے سے گفتگو میں موجود کسی چیز کے بارے میں استدلال پر منحصر ہے، تو کٹ آف اہم نہیں اور سرچ بند رکھی جا سکتی ہے۔

تاریخ کے لیے ماڈل کارڈ چیک کریں، ماڈل کو نہیں۔ اور جب کوئی ماڈل خود سے کہے "as of my last update"، تو اسے یہ سمجھیں کہ ماڈل اپنے تربیتی ڈیٹا کا حوالہ دے رہا ہے نہ کہ اپنے بارے میں کوئی حقیقت بیان کر رہا ہے، اور اس جملے کے بعد آنے والی ہر بات کو اسی شک کی نظر سے دیکھیں۔