Knowledge Cutoff

Дата отсечения знаний — это дата, обозначающая заявленную границу информации, включённой в обучающие данные ИИ-модели. Она показывает, насколько актуальны знания, усвоенные моделью. Для большой языковой модели (LLM) факты, усвоенные во время обучения, кодируются в параметрах; более свежая информация может попасть в ответ из документов, результатов поиска или других инструментов, доступных во время использования.

Как работает дата отсечения знаний#

Во время предварительного обучения модель усваивает закономерности из обучающих данных, в том числе связи между словами, понятиями и фактами. Эта информация распределяется по весам модели — числовым параметрам, которые корректируются в процессе обучения. После завершения обучения при обычном инференсе ответы генерируются с использованием этих параметров. Доступ к опубликованной позднее информации обеспечивается за счёт дополнительных входных данных или последующего обучения.

Указанная дата отсечения обобщает сведения об обучающей выборке, содержащей источники разного возраста. Недавно собранная веб-страница может содержать информацию, которой уже несколько лет, а охват разных тем может различаться. Эффективная дата отсечения — это временная граница, подтверждённая для конкретной темы или источника. Джеффри Ченг и коллеги формализовали это различие в 2024 году: эффективные даты отсечения различаются в зависимости от ресурсов, отчасти потому, что веб-коллекции содержат более старые материалы, а дедупликация влияет на то, какие версии сохраняются.

Почему важна актуальность знаний#

Дата отсечения особенно важна для ответов на вопросы, касающиеся изменяющихся фактов. Отвечая на основе усвоенных знаний, модель может воспроизвести устаревший факт, даже если исходная информация уже изменилась. В чат-боте беглая формулировка и высокая кажущаяся уверенность могут придать такому устаревшему ответу убедительный вид. Галлюцинация — это ложный или не подтверждённый данными ответ; устаревшие знания — один из источников фактических ошибок.

Несколько связанных понятий описывают разные аспекты актуальности:

• Контекстное окно: объём входных данных, который модель может обработать в одном запросе. Документы в контекстном окне могут содержать информацию, опубликованную после обучения.
• Дообучение: дополнительное обучение, при котором веса модели обновляются с помощью выбранных примеров.
• Происхождение данных: источник и история информации, включая сведения об источнике и датах сбора. Информация о происхождении помогает отличить дату сбора материала от даты создания его содержимого.

Охват обучающих данных влияет и на компьютерное зрение. Ultralytics YOLO поддерживает дообучение YOLO26 на пользовательских наборах данных, позволяя обновить предварительно обученный детектор, чтобы он распознавал классы, представленные на новых изображениях.

Как модели используют информацию после даты отсечения#

Генерация с дополненной выборкой (RAG) предоставляет релевантную внешнюю информацию во время запроса. Модуль поиска выбирает фрагменты из базы знаний, а модуль генерации использует их вместе с вопросом. Это обеспечивает обоснование ответа: связь ответа с источниками, которые можно определить. Ответ формируется на основе как усвоенных параметров, так и предоставленного контекста, при этом дата отсечения знаний самой модели не меняется.

Веб-поиск выполняет аналогичную функцию, обеспечивая актуальность общедоступной информации. Поиск ChatGPT получает результаты из интернета и использует их для генерации ответов со ссылками на источники. Поиск по файлам предоставляет доступ к загруженным или подключённым материалам, благодаря чему актуальные внутренние документы можно использовать для генерации текста. Эти механизмы обновляют данные, доступные системе во время запроса.

Это различие важно при работе с документами: актуальность ответа зависит как от содержимого полученного документа и даты его редакции, так и от истории обучения модели. Недавно обновлённая база знаний даёт системе доступ к более свежим фактам; для точной генерации также необходимо выбирать и интерпретировать релевантные фрагменты.

Даты отсечения знаний в ChatGPT и Gemini#

Для моделей ChatGPT и Gemini опубликованы даты отсечения знаний. Применимая дата относится к конкретной базовой модели или её версии, поэтому для определения даты отсечения нужно знать, какая именно модель используется. Соответствующие метаданные указаны в карточке модели или официальной спецификации модели. OpenAI публикует сведения о дате отсечения для каждой модели, а Google указывает их среди характеристик моделей Gemini.

Например, для Gemini 2.5 Pro дата отсечения знаний — январь 2025 года, а в спецификации модели в качестве даты последнего обновления указан июнь 2025 года. Эти даты описывают разные характеристики: границу усвоенной информации и историю обновлений модели.

Идентификатор версии также обозначает версию модели отдельно от границы её знаний. В спецификации модели GPT-5 указана версия gpt-5-2025-08-07 с датой отсечения знаний 30 сентября 2024 года.