大模型有较强的语义理解能力、常识推理能力，任务规划能力，但在面向特定领域时，存在以下挑战：
领域知识匮乏
• 领域应用的本质是复杂决策。通用大模型具备宽
广的知识底座，具有宽度有余但深度不足，无法
直接胜任复杂任务。

大模型的“幻觉”问题
• 没有依据的答案，通过简单类比得出错
误答案，在企业内，需要确保领域问题
的准确性。

数据和知识过时，难更新
• LLM的知识很容易过时，很难更新；难以保证数
据的完整性，容易形成错误回答，或者无法回答。

对于给定信息的“忠实度”
• 在领域任务中，我们需要大模型遵循特定领域的规范、制
度、流程和知识进行回答。然而，如果没有进行适当的调
优，大模型往往会抛开给定的文档或信息，而倾向于利用
已习得的通用知识进行自由发挥。飘逸的创造发挥与忠实
的事实陈述是一对难以调和的矛盾。

不可解释
• 生成的答案是否有依据？为什么是A而不是B？