大模型“时间观”之谜：揭秘大型语言模型知识截止日期背后的时效性与数据陷阱

大型语言模型常常会提供一个看似清晰的“知识截止日期”，但这篇文章指出，模型宣称的截止日期与其实际掌握知识的“有效截止日期”可能并不一致，这种错位并非偶然，而是源于CommonCrawl数据中藏匿的“旧数据陷阱”，以及训练数据去重机制对语义近似或词汇近乎重复文档的“视而不见”。最终，这篇论文提醒我们：大模型的“时间观”远比想象中复杂，无论是数据整理者还是模型使用者，都需擦亮眼睛。

原文题目：Dated Data: Tracing Knowledge Cutoffs in Large Language Models

原文链接：arxiv.org

你将听到：

• 大型语言模型“知识截止日期”的真实含义与挑战是什么？
• 什么是“有效截止日期”（Effective Cutoff）以及如何衡量？
• 大型语言模型的有效截止日期与报告截止日期为何存在显著差异？