AI模型的知识是如何形成的？	AI模型的知识完全来自训练数据，在知识截断日期时被冻结，模型只知道它在训练期间接触过的内容。
什么是知识的"能力区"？	能力区包括在训练数据中频繁出现、最近出现且一致呈现的话题。
AI模型知识的"边界区"包括哪些话题？	边界区包括罕见、超过截断日期、小众、本地化或有争议的话题。
AI模型的四个特征性知识失败是什么？	陈旧性、覆盖不均、继承的偏见和来源遗忘。
哪三个产品功能可以解决AI模型的知识局限？	网络搜索、检索/RAG和工具使用。
为什么不能简单地问"AI知道这个吗？"	正确的问题是"这个话题在它读过的内容中的代表程度如何？"
什么是"默认假设"探针测试？	通过间接提问来揭示AI是否采用了局外人对你领域的典型看法，而不是实际情况。
在没有工具的情况下，AI模型如何获取知识截断日期之后的信息？	在没有工具的情况下，AI模型无法获取知识截断日期之后的任何信息。
检索/RAG和工具使用的目的是什么？	通过给模型访问它从未训练过的信息的权限，来弥补知识差距。
了解模型知识的不均匀性对任务委派有什么帮助？	它帮助你判断何时应该转交任务、何时需要自己提供背景信息，以及何时应该寻求其他资源。