大模型的两大缺陷
1. 没有最新信息
大模型的训练需要大量的计算资源和时间，因此它们的知识库通常是在某个时间点之前的数据集上训练的。例如，GPT-3.5 和 GPT-4 的知识截至 2021 年 9 月。这意味着它们无法提供此后的新信息或事件。为保持时效性，需定期重训模型，但成本高昂且耗时，导致大模型难以及时跟上信息更新。
2. 没有真逻辑
大模型生成的文本和回答主要基于训练数据的统计规律，而非严格的逻辑推理或形式化证明。因此，在处理复杂或需深入逻辑推理的问题时，它们可能产生看似合理但实际不准确的回答。此外，大模型通过预测给定上下文中的下一个词来生成文本，可能受训练数据中的偏见和错误影响，从而削弱逻辑严谨性。
普通人对大模型的认识误区
- 误区一：大模型就是全能的。
- 误区二：大模型意味着更准确。
- 误区三：使用大模型不需要技术背景。
- 误区二：模型参数越大越厉害。
- 误区三：只要持续跟大模型聊天它就会越来越聪明。
- 误区四：只要通过持续的 fine-tune（微调），模型就可以做到百分百正确。
