ChatGPT有大规模语言模型自身的局限

身为大规模语言模型，ChatGPT 难免有 着 LLM 的通用局限，具体表现在以下几个方面：

1. 可信性无法保证：ChatGPT 的回复可能是在一本正经地胡说八道，语句通畅貌似合理，但其实完全大相径庭，目前模型还不能提供合理的 证据进行可信性的验证；

2. 时效性差：ChatGPT 无法实时地融入新知识，其知识范围局限于基础 大规模语言模型使用的预训练数据时间之前，可回答的知识范围有明显的边界；

3. 成本G昂：ChatGPT 基础大模型训练成本G、部署困难、每次调用花 费不菲、还可能有延迟问题，对工程能力有很G的要求；

4. 在特定的专业L域上表现欠佳：大规模语言模型的训练数据是通用数 据，没有L域专业数据，比如针对特定L域的专业术语翻译做的并不 好；

5. 语言模型每次的生成结果是 beam search 或者采样的产物，每次都会有细微的不同。同样地，ChatGPT 对输入敏感，对于某个指令可能回 答不正确，但稍微替换几个词表达同样的意思重新提问，又可以回答 正确，目前还不够稳定。