Knowledge Cutoff

الحد الفاصل للمعرفة هو التاريخ الذي يحدد الحد المعلن للمعلومات المشمولة في بيانات تدريب نموذج الذكاء الاصطناعي. وهو يصف مدى حداثة المعرفة التي تعلمها النموذج. بالنسبة إلى نموذج لغوي كبير (LLM)، تُشفَّر الحقائق التي يتعلمها أثناء التدريب في معاملاته؛ ويمكن أن تصل المعلومات الأحدث إلى الإجابة عبر المستندات أو البحث أو الأدوات الأخرى المتاحة أثناء الاستخدام.

آلية عمل الحد الفاصل للمعرفة#

أثناء التدريب المسبق، يتعلم النموذج الأنماط من بيانات التدريب، بما في ذلك العلاقات بين الكلمات والمفاهيم والعبارات الواقعية. وتتوزع هذه المعلومات على أوزان النموذج، وهي المعاملات العددية التي تُعدَّل أثناء التعلم. بعد انتهاء التدريب، يستخدم الاستدلال المعتاد تلك المعاملات لتوليد الإجابات. أما الوصول إلى المعلومات المنشورة بعد ذلك فيتم عبر مدخلات إضافية أو تدريب لاحق.

يلخص الحد الفاصل المُعلن مجموعة تدريب تضم مصادر متفاوتة القِدم. فقد تحتوي صفحة ويب جُمعت حديثًا على معلومات عمرها سنوات، وقد تختلف مستويات التغطية بين الموضوعات. ويصف الحد الفاصل الفعلي الحد الزمني المُثبت لموضوع أو مصدر بعينه. وقد صاغ جيفري تشينغ وزملاؤه هذا التمييز رسميًا في عام 2024: تختلف الحدود الفعلية باختلاف الموارد، ويرجع ذلك جزئيًا إلى احتواء مجموعات بيانات الويب على مواد أقدم، وإلى أن إزالة التكرار تؤثر في الإصدارات التي تبقى.

أهمية حداثة المعرفة#

تبلغ أهمية الحد الفاصل ذروتها عند الإجابة عن الأسئلة المتعلقة بالحقائق المتغيرة. فقد يكرر النموذج الذي يجيب اعتمادًا على المعرفة التي تعلمها حقيقةً قديمة بعد تغير المعلومات الأساسية. وفي روبوت المحادثة، قد تجعل الصياغة السلسة والثقة الظاهرة بدرجة كبيرة تلك الإجابة القديمة تبدو موثوقة. أما الهلوسة فهي مخرجات خاطئة أو غير مسندة؛ والمعرفة القديمة أحد مصادر الأخطاء الواقعية.

تصف مفاهيم مترابطة عدة جوانب مختلفة للحداثة:

• نافذة السياق: مقدار المدخلات التي يستطيع النموذج معالجتها في الطلب الواحد. وقد تتضمن المستندات الموجودة فيها معلومات نُشرت بعد التدريب.
• الضبط الدقيق: تدريب إضافي يحدّث أوزان النموذج باستخدام أمثلة مختارة.
• مصدر البيانات: أصل المعلومات وتاريخها، بما في ذلك مصدرها وتواريخ جمعها. ويساعد تتبّع المصدر على التمييز بين وقت جمع المواد ووقت كتابة محتواها.

يؤثر نطاق بيانات التدريب أيضًا في الرؤية الحاسوبية. يدعم Ultralytics YOLO الضبط الدقيق لـ YOLO26 على مجموعات بيانات مخصصة، ما يحدّث كاشفًا مدرّبًا مسبقًا ليتعرف على الفئات الممثلة في الصور الجديدة.

كيفية استخدام النماذج للمعلومات بعد تجاوز الحد الفاصل للمعرفة#

يوفّر التوليد المعزّز بالاسترجاع (RAG) معلومات خارجية ذات صلة وقت الاستعلام. ويختار نظام الاسترجاع مقاطع من مجموعة معرفية، ثم يستخدمها نظام التوليد إلى جانب السؤال. وهذا يدعم الإسناد إلى الأدلة: أي ربط الإجابة بأدلة يمكن تحديدها. وتستند الإجابة إلى المعاملات التي تعلمها النموذج والسياق المقدّم معًا، بينما يظل الحد الفاصل لتدريب النموذج الأساسي كما هو.

يؤدي البحث على الويب دورًا مشابهًا في توفير المعلومات العامة الحديثة. يسترجع بحث ChatGPT نتائج الويب ويستخدمها لتوليد إجابات تتضمن روابط المصادر. ويتيح استرجاع الملفات الوصول إلى المواد المحمّلة أو المتصلة، ما يجعل المستندات الداخلية الحديثة متاحة لـتوليد النصوص. وتحدّث هذه الآليات الأدلة المتاحة أثناء الطلب.

يكتسب هذا التمييز أهمية في المساعدة المستندة إلى المستندات: إذ تعتمد حداثة الإجابة على محتوى المستند المسترجع وتاريخ مراجعته، فضلًا عن سجل تدريب النموذج. وتتيح مجموعة معرفية محدّثة حديثًا للنظام الوصول إلى حقائق أحدث؛ كما يتطلب التوليد الدقيق اختيار المقاطع ذات الصلة وتفسيرها.

تواريخ الحد الفاصل للمعرفة في ChatGPT وGemini#

يستخدم ChatGPT وGemini نماذج ذات حدود فاصلة للمعرفة موثقة. ويرتبط التاريخ المعني بالنموذج الأساسي أو اللقطة المحددة، لذا فإن تحديد النموذج جزء من تحديد الحد الفاصل للمعرفة. وتوفر بطاقة النموذج أو المواصفات الرسمية للنموذج البيانات الوصفية ذات الصلة. وتنشر OpenAI معلومات الحد الفاصل لكل نموذج، وتدرجها Google ضمن خصائص نماذج Gemini.

على سبيل المثال، يبلغ الحد الفاصل لمعرفة Gemini 2.5 Pro يناير 2025، بينما تدرج مواصفات النموذج يونيو 2025 بوصفه تاريخ آخر تحديث له. ويصف هذان التاريخان خاصيتين منفصلتين: الحد الفاصل للمعلومات التي تعلمها النموذج وسجل تحديثاته.

يحدد معرّف اللقطة كذلك إصدار النموذج بصورة مستقلة عن الحد الفاصل لمعرفته. وتدرج مواصفات نموذج GPT-5 اللقطة gpt-5-2025-08-07 ذات الحد الفاصل للمعرفة بتاريخ 30 سبتمبر 2024.