知識截止日期Knowledge Cutoff
也常被稱為：Knowledge Cutoff、訓練資料截止日、知識截止點
一句話解釋
模型訓練資料收集到的最後時間點，之後發生的事原則上不在它的知識範圍內。
為什麼會有這條線
模型訓練需要先收集一大批資料，再花費大量時間和運算資源訓練。這個過程結束後，模型的「知識」基本上就定型了——它學到的是訓練資料裡的統計規律，不是一份會自動更新的資料庫。
收集資料的截止時間點，就是這個模型的 knowledge cutoff。訓練結束到正式對外發布，中間通常還有數個月的間隔，所以模型上線時，知識截止日期往往已經跟「現在」有一段距離。
這條線之後會發生什麼
超過知識截止日期的問題，模型有三種可能反應：
- 老實說不知道。 最理想的情況，模型明確告知你這個資訊超出它的知識範圍。
- 用舊資訊回答，且語氣肯定。 比較危險的情況——它可能把截止日期前的舊資料，當成現在仍然成立的事實回答，這正是幻覺常見的成因之一。
- 接上即時資料補足。 許多產品會在對話式 AI 之外，額外整合網頁搜尋或其他即時資料來源，讓它能拿到截止日期之後的資訊，某種程度上就是應用 RAG 的概念。
怎麼判斷該不該信
問法律、時效敏感的問題前先確認截止日期
查價格、法規、版本號這類會隨時間變動的資訊，先確認模型的知識截止日期是否夠新，或它有沒有連上即時搜尋。
看它有沒有主動標示不確定
一個誠實的回答會說「以我截止日期前的資訊」或「這部分可能已經有更新」。完全沒有這類保留語氣，反而要多留意。
重要資訊回官方源頭核對
截止日期只是提醒風險存在，不是判斷答案對錯的依據。真正重要的決策，還是要回到官方公告或第一手來源確認。
常見問題
- 為什麼不能每天更新模型的知識？
- 訓練一個大型語言模型是耗時耗資源的工程，不是改個資料庫就能即時更新。模型從訓練資料裡「學到」的是統計規律，不是一筆一筆存進去的紀錄，所以更新知識通常要等下一次訓練或微調，間隔可能是數個月。這也是為什麼每個模型都有一條明確的知識截止線，而不是持續累積到當下。
- 怎麼知道一個模型的知識截止日期？
- 官方文件或模型卡（model card）通常會寫明，也可以直接問模型本身——但要注意它有時會答錯或不確定，畢竟「知道自己的截止日期」本身也是訓練資料的一部分，不是即時查得到的資訊。比較可靠的做法是去查官方公告，而不是完全相信模型的自我回答。
- 知識截止日期會影響回答品質嗎？
- 只影響「即時性資訊」的準確度，不影響一般推理、寫作、程式能力。問模型「這個工具現在的最新版本是什麼」，超過截止日期的部分它答不出來，甚至可能憑舊資訊亂猜。問它「怎麼寫一段遞迴函式」，這類不隨時間變化的能力則不受影響。
相關術語
更新於 ．全部術語