復古 AI 模型 talkie 問世：僅以 1930 年前資料訓練測試推理能力

大型語言模型混合現代網路與歷史文本，往往難以區分推理與資料背誦。研究者 Nick Levine、David Duvenaud 及前 OpenAI 科學家 Alec Radford 因此打造 talkie，並運用哈佛法學院圖書館 Institutional Data Initiative 整理的公共領域典藏，以「時間切片」檢驗有限年代知識如何形塑模型能力。

團隊於2026年4月發表 talkie-1930-13b-base，模型有130億參數，以1931年1月1日前的2,600億個英文 token 訓練，另設同架構的現代資料模型對照。測試顯示其語言理解與基礎數學表現相近；知識題雖明顯落後，但排除時代錯置後差距縮小約一半，顯示弱項主要來自知識斷層。