大语言模型有什么缺点？AI 的边界在哪里？_大语言模型的缺点

了解完原理后，我觉得有必要跟大家聊聊大语言模型的缺点，这样大家才能知道 AI 的边界在哪里，并在可控的边界内进行创新。

缺点一：结果高度依赖训练语料​

正如我前面提到的，当今的语言模型，即使发展了四个版本，但依然没有脱离「概率计算」，本质上来说它们的核心原理就是「利用已有的信息来预测其他信息」。

那这就意味着，大语言模型其实并没有意识，也不知道对错，其生成的结果，高度依赖训练语料。

那会导致怎样的后果？

1. 如果语料的内容是有偏的（比如带有种族歧视、性别歧视的内容），甚至是错误的，那大语言模型的生成的结果也会是错误的。
2. 如果该领域语料很少，大语言模型生成的结果准确率就很低。甚至有可能会出现幻觉（这个是第二个缺点）。

当然面对这个缺点，有什么方法规避？

第一种方法就是在语料大、且错误率低的领域使用 LLMs。

比如语言学领域，像翻译、或者文案生成这种场景。即使语法错误了，但语料里存在大量的相同用法，那某种程度上来说，模型给的答案也算是对的，有点类似古代的通假字，或者现代的很多流行语。

第二种就是用人工干预。<