Knowledge Cutoff

知識カットオフとは、AIモデルの学習データに含まれる情報の境界として示される日付です。モデルが学習した知識がどの程度最新であるかを表します。大規模言語モデル（LLM）では、学習時に得た事実がパラメーターに符号化されます。使用中に提供されるドキュメント、検索、その他のツールを通じて、新しい情報を回答に取り入れることができます。

知識カットオフの仕組み#

事前学習中、モデルは学習データから、単語、概念、事実に関する記述の関係性などのパターンを学習します。この情報は、学習中に調整される数値パラメーターであるモデルの重み全体に分散して保持されます。学習が完了すると、通常の推論ではそれらのパラメーターを使って応答を生成します。その後に公開された情報には、追加の入力や後続の学習を通じてアクセスします。

公表されるカットオフは、さまざまな時期の情報源を含む学習データ全体を要約したものです。最近収集されたウェブページにも何年も前の情報が含まれている場合があり、分野によって情報の網羅度も異なります。実効カットオフは、特定のトピックや情報源で実際に確認できる時間的な境界を表します。Jeffrey Cheng氏らは2024年にこの違いを明確にしました。実効カットオフはリソースによって異なります。その一因は、ウェブ上のデータセットに古い資料が含まれ、重複排除によって残るバージョンが変わることです。

知識の鮮度が重要な理由#

カットオフが特に重要になるのは、変化する事実に関する質問応答です。学習済みの知識に基づいて回答するモデルは、基となる情報が変わった後も古い事実を提示することがあります。チャットボットでは、流暢な表現や高いように見える信頼度によって、古い回答が信頼できる情報のように感じられることがあります。ハルシネーションとは、誤った出力や根拠のない出力のことです。古い知識も、事実誤認の原因の一つです。

鮮度の異なる側面を表す、関連する概念がいくつかあります。

• コンテキストウィンドウ：モデルが1回のリクエストで処理できる入力の量です。その中のドキュメントには、学習後に公開された情報が含まれる場合があります。
• ファインチューニング：選択した例を使ってモデルの重みを更新する追加学習です。
• データプロベナンス：情報の出所や収集日など、情報の起源と履歴を指します。プロベナンスを確認することで、資料が収集された時期と、その内容が書かれた時期を区別できます。

学習データの網羅度は、コンピュータービジョンにも影響します。Ultralytics YOLOでは、カスタムデータセットでYOLO26をファインチューニングできます。新しい画像に含まれるクラスを認識できるよう、事前学習済みの検出モデルを更新します。

カットオフ後の情報をモデルが利用する方法#

検索拡張生成（RAG）は、クエリの処理時に関連する外部情報を提供します。検索器がナレッジコレクションから文章を選び、生成器が質問とともにその文章を使います。これにより、回答を特定可能な証拠に結び付けるグラウンディングが可能になります。回答は学習済みのパラメーターと提供されたコンテキストの両方を基にしますが、基盤となるモデルの学習カットオフは変わりません。

ウェブ検索も、公開情報の鮮度を保つ同様の役割を果たします。ChatGPT検索はウェブ検索結果を取得し、情報源へのリンク付きの回答を生成します。ファイル検索を使うと、アップロード済みまたは接続済みの資料にアクセスでき、最新の社内ドキュメントをテキスト生成に利用できます。これらの仕組みにより、リクエストの処理中に利用可能な根拠が更新されます。

この違いは、ドキュメントに基づく支援で重要になります。回答の鮮度は、モデルの学習履歴だけでなく、検索されたドキュメントの内容や改訂日にも左右されます。ナレッジコレクションを最近更新しておけば、システムはより新しい事実を利用できます。正確な回答を生成するには、関連する文章を選択して解釈することも必要です。

ChatGPTとGeminiの知識カットオフ日#

ChatGPTとGeminiでは、知識カットオフが公表されているモデルを使用します。該当する日付は個々の基盤モデルまたはスナップショットに固有であるため、カットオフを特定するにはモデルの特定も必要です。モデルカードまたは公式のモデル仕様で、関連するメタデータを確認できます。OpenAIはモデルごとにカットオフ情報を公開しており、GoogleはGeminiモデルのプロパティと併せて掲載しています。

たとえば、Gemini 2.5 Proの知識カットオフは2025年1月ですが、モデル仕様では最新の更新日が2025年6月とされています。これらの日付は、学習済み情報の境界とモデルの更新履歴という別々の特性を示しています。

スナップショット識別子も、知識の境界とは別にモデルのバージョンを特定します。GPT-5のモデル仕様には、スナップショットgpt-5-2025-08-07の知識カットオフが2024年9月30日と記載されています。