Knowledge Cutoff

La data limite di conoscenza è la data che segna il confine dichiarato delle informazioni incluse nei dati di addestramento di un modello di IA. Descrive quanto siano aggiornate le conoscenze apprese dal modello. Per un modello linguistico di grandi dimensioni (LLM), i fatti appresi durante l'addestramento vengono codificati nei parametri; informazioni più recenti possono arrivare nella risposta tramite documenti, ricerche o altri strumenti forniti durante l'uso.

Come funziona una data limite di conoscenza#

Durante il preaddestramento, un modello apprende schemi dai dati di addestramento, incluse le relazioni tra parole, concetti e affermazioni fattuali. Queste informazioni si distribuiscono nei pesi del modello, i parametri numerici che vengono modificati durante l'apprendimento. Al termine dell'addestramento, la normale inferenza usa questi parametri per generare risposte. L'accesso alle informazioni pubblicate successivamente avviene tramite input aggiuntivi o un nuovo addestramento.

Una data limite dichiarata riassume una raccolta di addestramento che contiene fonti di età diverse. Una pagina web raccolta di recente può contenere informazioni vecchie di anni e la copertura può variare a seconda dell'argomento. La data limite effettiva descrive il confine temporale dimostrato per un particolare argomento o una particolare fonte. Nel 2024, Jeffrey Cheng e i suoi colleghi hanno formalizzato questa distinzione: le date limite effettive variano tra le risorse, in parte perché le raccolte web contengono materiale più vecchio e la deduplicazione determina quali versioni vengono mantenute.

Perché è importante l'attualità delle conoscenze#

Una data limite è importante soprattutto per le risposte a domande su fatti soggetti a cambiamenti. Un modello che risponde sulla base delle conoscenze apprese può riproporre un fatto non aggiornato dopo che le informazioni sottostanti sono cambiate. In un chatbot, una formulazione fluida e un'elevata sicurezza apparente possono far sembrare autorevole una risposta non aggiornata. Un'allucinazione è un risultato falso o non supportato; le conoscenze non aggiornate sono una delle cause degli errori fattuali.

Diversi concetti correlati descrivono aspetti diversi dell'attualità:

• Finestra di contesto: la quantità di input che un modello può elaborare in una richiesta. I documenti al suo interno possono contenere informazioni pubblicate dopo l'addestramento.
• Affinamento: addestramento aggiuntivo che aggiorna i pesi del modello utilizzando esempi selezionati.
• Provenienza dei dati: origine e cronologia delle informazioni, incluse la fonte e le date di raccolta. La provenienza aiuta a distinguere il momento in cui il materiale è stato raccolto da quello in cui ne sono stati redatti i contenuti.

La copertura dei dati di addestramento influisce anche sulla visione artificiale. Ultralytics YOLO supporta l'affinamento di YOLO26 su set di dati personalizzati, aggiornando un rilevatore preaddestrato affinché riconosca le classi rappresentate nelle nuove immagini.

Come usano le informazioni i modelli dopo la data limite#

La generazione aumentata tramite recupero (RAG) fornisce informazioni esterne pertinenti al momento della richiesta. Un sistema di recupero seleziona passaggi da una raccolta di conoscenze e il generatore li usa insieme alla domanda. Questo consente l'ancoraggio: collegare una risposta a prove identificabili. La risposta si basa sia sui parametri appresi sia sul contesto fornito, mentre il modello sottostante mantiene la propria data limite di addestramento.

La ricerca sul web svolge una funzione simile per mantenere aggiornate le informazioni pubbliche. La ricerca di ChatGPT recupera risultati dal web e li usa per generare risposte con link alle fonti. Il recupero dei file consente di accedere al materiale caricato o collegato, rendendo disponibili documenti interni aggiornati per la generazione di testo. Questi meccanismi aggiornano le prove disponibili durante una richiesta.

Questa distinzione è importante nell'assistenza basata sui documenti: l'attualità di una risposta dipende dai contenuti e dalla data di revisione del documento recuperato, oltre che dalla cronologia di addestramento del modello. Una raccolta di conoscenze aggiornata di recente consente al sistema di accedere a fatti più recenti; per generare risposte accurate è inoltre necessario selezionare e interpretare i passaggi pertinenti.

Date limite di conoscenza di ChatGPT e Gemini#

ChatGPT e Gemini utilizzano modelli con date limite di conoscenza documentate. La data applicabile appartiene al particolare modello sottostante o alla relativa istantanea, quindi identificare il modello è parte dell'identificazione della sua data limite. Una scheda del modello o una specifica ufficiale del modello fornisce i metadati pertinenti. OpenAI pubblica le informazioni sulle date limite per ciascun modello e Google le elenca insieme alle proprietà dei modelli Gemini.

Per esempio, Gemini 2.5 Pro ha una data limite di conoscenza a gennaio 2025, mentre la relativa specifica del modello indica giugno 2025 come data dell'ultimo aggiornamento. Queste date descrivono proprietà distinte: il confine delle informazioni apprese e la cronologia degli aggiornamenti del modello.

Anche un identificativo di istantanea identifica una versione del modello separatamente dal suo confine di conoscenza. La specifica del modello GPT-5 indica l'istantanea gpt-5-2025-08-07 con una data limite di conoscenza al 30 settembre 2024.