核心主张：一次学习，离线作答

KAIST 的这项研究提出的核心图景是：AI 在获取知识之后，可以将其保存并反复利用，从而在不再依赖服务器通信的情况下直接给出回答。换言之，知识“装进”本地之后，推理过程不必每次都回到云端。这一主张与当前业界推动设备端 AI、降低云端依赖的方向相呼应，也因此受到关注。

本报核查确认，该主张与研究内容相符：AI 复用一次获得的知识、并在不通过服务器的情况下作答，这一表述可以成立。

两处需要留意的细节

不过，核查过程中发现了两点值得注意之处。其一，相关结论附带了前提条件，即研究设定中存在“不进行某种操作”的限定，读者在理解“无需服务器”这一说法时不应将其绝对化。其二，在“减少率”这一数据上，KAIST 的官方新闻稿与论文摘要所给出的数值并不一致。两份一手来源之间存在数字出入，意味着具体性能改善幅度应以最终论文表述为准，新闻稿中的数字宜谨慎引用。

此外，本报核对了 KAIST 官方新闻页面上的 3 张配图，均可正常访问；其中第 3 张在新闻稿中已明确标注为“AI 生成图像”，读者阅图时应知悉其并非实拍素材。

结论

综合 10 份一手来源的审阅结果，该研究的核心主张成立，仅存在前提限定与新闻稿同论文摘要间减少率数值不一致的问题——本报最终认定，这一说法基本属实。