クロードとGPTの知識カットオフと学習タイムラインの探索

概要

AIモデルへのプロービングを通じて、GPT-5やClaude 4/5等の次世代モデルにおける学習完了時期、データ構成、自己認識の変遷を推測した詳細な分析。

詳細内容

この記事は、 frontier models（最先端AIモデル）の学習プロセスを外部から「プロービング（探査）」することで、公開されていない学習の舞台裏を推測する試みです。著者のShrivu Shankar氏は、Wikipediaの事実に基づいたクイズを用いて知識の境界線を特定する手法や、モデルが自らを何と認識しているか（自己同一性）の調査を行いました。分析の結果、Anthropicのモデル群の学習ランの共通性や、OpenAIのモデルにおける学習完了時期の特定、さらにはユーザーの対話データが学習セットに混入している可能性（データ汚染）などが示唆されています。技術的な推測に基づき、モデルがどのように構築され、どのデータセットがモデルの性格や知識を形作っているかを可視化する興味深い実験結果を提示しています。

元記事を読む他のサマリーを見る