Knowledge Cutoff

지식 컷오프는 AI 모델의 학습 데이터에 포함된 정보의 명시된 경계를 나타내는 날짜입니다. 이는 모델이 학습한 지식이 얼마나 최신인지를 설명합니다. 대규모 언어 모델(LLM)의 경우, 학습 중에 습득한 사실은 파라미터에 인코딩되며, 사용 중 제공되는 문서, 검색 또는 기타 도구를 통해 최신 정보가 답변에 반영될 수 있습니다.

지식 컷오프의 작동 방식#

사전 학습 중에 모델은 학습 데이터에서 단어, 개념, 사실 진술 간의 관계를 비롯한 패턴을 학습합니다. 이 정보는 학습 과정에서 조정되는 수치 파라미터인 모델 가중치에 분산되어 저장됩니다. 학습이 완료되면 일반적인 추론은 해당 파라미터를 사용해 응답을 생성합니다. 그 이후에 공개된 정보는 추가 입력이나 후속 학습을 통해 제공됩니다.

보고된 컷오프는 수집 시기가 서로 다른 출처를 포함하는 학습 데이터 모음을 요약합니다. 최근에 수집된 웹페이지에도 수년 전 정보가 담겨 있을 수 있으며, 주제마다 다루는 범위도 다를 수 있습니다. 실효 컷오프는 특정 주제나 출처에서 확인되는 시간적 경계를 의미합니다. Jeffrey Cheng과 동료들은 2024년에 이 차이를 공식화했습니다. 실효 컷오프는 리소스마다 다르며, 이는 부분적으로 웹 데이터 모음에 오래된 자료가 포함되고 중복 제거 과정에서 유지되는 버전이 달라지기 때문입니다.

지식 최신성이 중요한 이유#

컷오프는 변동하는 사실에 관한 질의응답에서 가장 중요합니다. 학습된 지식을 바탕으로 답변하는 모델은 기저 정보가 바뀐 뒤에도 오래된 사실을 재현할 수 있습니다. 챗봇의 유창한 표현과 높은 듯한 확신도는 오래된 답변을 권위 있는 정보처럼 보이게 할 수 있습니다. 환각은 거짓이거나 근거가 없는 출력이며, 오래된 지식은 사실 오류를 일으키는 원인 중 하나입니다.

최신성의 서로 다른 측면을 설명하는 몇 가지 관련 개념은 다음과 같습니다.

• 컨텍스트 윈도우: 요청에서 모델이 처리할 수 있는 입력의 양입니다. 컨텍스트 윈도우에 포함된 문서에는 학습 이후에 공개된 정보가 담겨 있을 수 있습니다.
• 파인튜닝: 선별된 예시를 사용해 모델 가중치를 업데이트하는 추가 학습입니다.
• 데이터 출처: 출처와 수집 날짜를 포함한 정보의 기원과 이력입니다. 데이터 출처를 확인하면 자료를 수집한 시점과 그 내용이 작성된 시점을 구분하는 데 도움이 됩니다.

학습 데이터의 범위는 컴퓨터 비전에도 영향을 줍니다. Ultralytics YOLO는 사용자 지정 데이터셋으로 YOLO26을 파인튜닝하여 사전 학습된 검출기가 새 이미지에 포함된 클래스를 인식하도록 업데이트할 수 있습니다.

모델이 컷오프 이후의 정보를 사용하는 방식#

검색 증강 생성(RAG)은 쿼리 시점에 관련 외부 정보를 제공합니다. 검색기는 지식 모음에서 구절을 선택하고, 생성기는 해당 구절을 질문과 함께 사용합니다. 이를 통해 답변을 식별 가능한 근거와 연결하는 그라운딩이 가능합니다. 답변은 학습된 파라미터와 제공된 컨텍스트를 모두 활용하지만, 기저 모델의 학습 컷오프는 그대로 유지됩니다.

웹 검색은 공개 정보의 최신성을 확보하는 데 이와 유사한 역할을 합니다. ChatGPT 검색은 웹 검색 결과를 가져와 출처 링크가 포함된 답변을 생성하는 데 사용합니다. 파일 검색을 이용하면 업로드했거나 연결된 자료에 접근할 수 있어, 최신 내부 문서를 텍스트 생성에 활용할 수 있습니다. 이러한 메커니즘은 요청 중에 사용할 수 있는 근거를 업데이트합니다.

이러한 차이는 문서 기반 지원에서 중요합니다. 답변의 최신성은 모델의 학습 이력뿐 아니라 검색된 문서의 내용과 개정 날짜에도 좌우됩니다. 최근에 업데이트된 지식 모음을 사용하면 시스템이 최신 사실에 접근할 수 있으며, 정확한 생성을 위해서는 관련 구절을 선택하고 해석해야 합니다.

ChatGPT 및 Gemini의 지식 컷오프 날짜#

ChatGPT와 Gemini는 지식 컷오프가 문서화된 모델을 사용합니다. 적용되는 날짜는 특정 기반 모델 또는 스냅샷에 해당하므로, 컷오프를 확인하려면 모델을 식별해야 합니다. 모델 카드 또는 공식 모델 사양에서 관련 메타데이터를 확인할 수 있습니다. OpenAI는 모델별 컷오프 정보를 공개하며, Google은 Gemini 모델 속성과 함께 해당 정보를 제공합니다.

예를 들어, Gemini 2.5 Pro의 지식 컷오프는 2025년 1월이며, 모델 사양에는 최신 업데이트 날짜가 2025년 6월로 기재되어 있습니다. 이 날짜는 학습된 정보의 경계와 모델 업데이트 이력이라는 서로 다른 속성을 나타냅니다.

스냅샷 식별자는 지식 경계와 별도로 모델 버전을 식별합니다. GPT-5 모델 사양에는 2024년 9월 30일을 지식 컷오프로 하는 gpt-5-2025-08-07 스냅샷이 기재되어 있습니다.