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？