Knowledge Cutoff

知识截止日期是指明 AI 模型训练数据所包含信息边界的日期。它说明模型学习到的知识有多新。对于大型语言模型（LLM），训练过程中学到的事实会编码进模型参数；在使用模型时，通过提供文档、搜索结果或其他工具，也可以让更新的信息进入答案。

知识截止日期的运作方式#

在预训练期间，模型从训练数据中学习模式，包括词语、概念和事实陈述之间的关系。这些信息分布在模型的权重中；这些数值参数会在学习过程中进行调整。训练完成后，常规推理会使用这些参数生成回答。训练之后发布的信息则需要通过额外输入或后续训练来获取。

报告的截止日期概括了一个包含不同年代来源的训练数据集。最近收集的网页可能包含多年前的信息，而不同主题的覆盖程度也可能各不相同。实际截止日期描述的是针对特定主题或来源所体现出的时间边界。Jeffrey Cheng 及其同事在 2024 年正式阐述了这一差异：不同资源的实际截止日期各不相同，部分原因是网络数据集包含较旧的材料，而且去重会改变最终保留的版本。

知识新鲜度为何重要#

对于涉及变化事实的问答，截止日期尤为重要。根据已学知识作答的模型，可能会在相关信息发生变化后仍给出过时事实。在聊天机器人中，流畅的措辞和看似很高的置信度可能会让过时答案显得权威。幻觉是指错误或缺乏依据的输出；过时知识是事实错误的一个来源。

以下几个相关概念描述了信息新鲜度的不同方面：

• 上下文窗口：模型在一次请求中可以处理的输入量。其中的文档可以包含训练后发布的信息。
• 微调：使用选定样例进行额外训练，从而更新模型权重。
• 数据溯源：信息的来源和历史记录，包括来源及收集日期。溯源有助于区分材料的收集时间和内容的撰写时间。

训练数据覆盖范围也会影响计算机视觉。Ultralytics YOLO 支持在自定义数据集上微调 YOLO26，以更新预训练检测器，使其能够识别新图像中包含的类别。

模型如何使用截止日期之后的信息#

检索增强生成（RAG）会在查询时提供相关外部信息。检索器从知识库中选取段落，生成器则结合这些段落和问题生成回答。这有助于实现依据证据生成：将答案与可识别的证据关联起来。答案既依据模型学到的参数，也依据提供的上下文，而模型本身的训练截止日期并不会改变。

对于公开信息，网络搜索也能发挥类似的更新作用。ChatGPT 搜索会检索网页结果，并用这些结果生成附带来源链接的答案。文件检索可以访问已上传或已连接的材料，让最新的内部文档可用于文本生成。这些机制会更新一次请求期间可用的证据。

在基于文档的辅助场景中，这一区别很重要：答案的新鲜度不仅取决于检索文档的内容和修订日期，也取决于模型的训练历史。定期更新的知识库能让系统获取更新的事实；要准确生成答案，还需要选出相关段落并正确理解其内容。

ChatGPT 和 Gemini 的知识截止日期#

ChatGPT 和 Gemini 使用的模型都有明确记录的知识截止日期。适用日期取决于具体的底层模型或快照，因此要确定截止日期，就需要先确定模型。模型卡或官方模型规范会提供相关元数据。OpenAI 按模型发布截止日期信息，Google 则在 Gemini 模型属性中列出这些信息。

例如，Gemini 2.5 Pro的知识截止日期为 2025 年 1 月，而其模型规范列出的最新更新时间为 2025 年 6 月。这两个日期代表不同属性：已学信息的边界和模型的更新历史。

快照标识符同样用于标识模型版本，与模型的知识边界相互独立。GPT-5 模型规范列出的快照 gpt-5-2025-08-07 的知识截止日期为 2024 年 9 月 30 日。