DEV Community
·
知识截止问题
内容提要
近期，LLM（大型语言模型）面临知识截止问题，无法获取截止日期后的信息。为解决此问题，建议使用llms.txt和llms-full.txt文件，帮助LLM更好地理解网络信息。用户可通过上传这些文件或使用搜索功能来绕过知识截止限制，未来搜索功能可能成为最终解决方案。
关键要点
-
LLM（大型语言模型）面临知识截止问题，无法获取截止日期后的信息。
-
建议使用llms.txt和llms-full.txt文件，帮助LLM更好地理解网络信息。
-
llms.txt文件是一个新的提案，旨在帮助LLM理解网页信息，包含网站的URL和简短描述。
-
llms-full.txt文件包含所有文档的Markdown格式，便于一次性提供信息给LLM。
-
Markdown文件建议文档网站提供每个页面的Markdown版本。
-
ChatGPT可以通过上传llms-full.txt文件、创建项目文件夹、定制GPT等方式绕过知识截止问题。
-
Claude也支持文件上传和项目功能，用户可以上传llms-full.txt文件。
-
GitHub Copilot没有特别的功能，但可以将llms-full.txt文件添加到项目文件夹中作为上下文。
-
Cursor和Windsurf使用@符号来访问文档，Cursor已经爬取了许多流行工具的文档。
-
Devin可以提供文档链接或独立搜索文档，似乎在后台使用了网络搜索工具。
-
OpenAI正在研究知识截止问题，强调搜索功能可能是最终解决方案。
-
未来希望能够优先考虑某些URL，以便LLM首先搜索文档。
延伸解读
知识截止问题的影响
大型语言模型（LLM）面临知识截止问题，意味着它们无法获取截止日期后的信息。这对用户的使用体验造成了限制，尤其是在快速变化的领域，如科技和时事。了解这一点有助于用户在使用LLM时调整期望，尤其是在获取最新信息时。
llms.txt与llms-full.txt的比较
llms.txt和llms-full.txt是两种不同的文件提案，前者旨在提供网站的URL和简短描述，而后者则是将所有文档整合为一个Markdown文件。llms-full.txt更易于使用，因为它可以一次性提供所有信息，避免了链接访问的复杂性。用户在选择时应考虑各自的需求和使用场景。
未来解决方案的展望
OpenAI正在探索通过搜索功能解决知识截止问题，这可能是最终的解决方案。尽管当前的搜索结果往往是对网页内容的总结，但随着技术的进步，未来可能会实现更精准的答案。用户应关注这一动态，以便更好地利用LLM的能力。
延伸问答
什么是知识截止问题？
知识截止问题是指大型语言模型（LLM）在训练截止日期后无法获取新信息的现象。
如何解决LLM的知识截止问题？
可以通过使用llms.txt和llms-full.txt文件，或利用AI工具的网络搜索功能来解决知识截止问题。
llms.txt文件的作用是什么？
llms.txt文件旨在帮助LLM理解网页信息，包含网站的URL和简短描述，类似于为LLM提供的站点地图。
llms-full.txt文件有什么特点？
llms-full.txt文件包含所有文档的Markdown格式，便于一次性提供信息给LLM，避免访问多个URL的问题。
ChatGPT如何绕过知识截止问题？
ChatGPT可以通过上传llms-full.txt文件、创建项目文件夹或使用搜索功能来绕过知识截止问题。
未来如何解决知识截止问题？
OpenAI正在研究知识截止问题，强调搜索功能可能是最终解决方案，并希望能够优先考虑某些URL。
