Knowledge cut-off
Il knowledge cut-off è la data a cui si fermano i dati usati per addestrare un LLM. Tutto ciò che il modello conosce senza consultare fonti esterne risale a prima di quel confine: eventi, prodotti, prezzi e cambiamenti successivi gli sono ignoti.
Quando riceve una domanda su un fatto più recente, un modello senza accesso al web risponde con ciò che sa, e il risultato può essere una descrizione superata o un’allucinazione. I sistemi che possono navigare aggirano il limite con il RAG, recuperando pagine aggiornate prima di rispondere. Il confine si sposta solo con un nuovo ciclo di addestramento, a intervalli che i laboratori non dichiarano in modo uniforme.
Per un brand il cut-off separa due tempi di lavoro. Ciò che il modello ha memorizzato, come settore, offerta, reputazione e concorrenti associati, riflette il web fino a quella data e cambia solo con i riaddestramenti successivi, per cui un rebranding, un nuovo servizio o una correzione di posizionamento impiegano settimane o mesi a entrare nella memoria. È il campo della GEO. Le risposte costruite con il recupero dal vivo, campo dell’AEO, possono invece riflettere un aggiornamento nel giro di giorni.
Una verifica rapida consiste nel chiedere a un modello di descrivere l’azienda con la navigazione disattivata e poi con la ricerca attiva: se l’errore compare in entrambe le risposte sta nella memoria, e riscrivere le pagine non basta a correggerlo in tempi brevi. Il GEO Audit di SEOZoom porta la stessa lettura su basi ripetibili, mette a confronto l’identità memorizzata dai modelli con quella che il brand dichiara e indica quali segnali correggere perché i prossimi cicli di addestramento trovino la versione giusta.
