身為大規模語言模型，ChatGPT 難免有 著 LLM 的通用局限，具體表現在以下幾個方面：

1. 可信性無法保證：ChatGPT 的回復可能是在一本正經地胡說八道，語句通暢貌似合理，但其實完全大相徑庭，目前模型還不能提供合理的 證據進行可信性的驗證；

2. 時效性差：ChatGPT 無法實時地融入新知識，其知識范圍局限于基礎 大規模語言模型使用的預訓練數據時間之前，可回答的知識范圍有明顯的邊界；

3. 成本G昂：ChatGPT 基礎大模型訓練成本G、部署困難、每次調用花 費不菲、還可能有延遲問題，對工程能力有很G的要求；

4. 在特定的專業L域上表現欠佳：大規模語言模型的訓練數據是通用數 據，沒有L域專業數據，比如針對特定L域的專業術語翻譯做的并不 好；

5. 語言模型每次的生成結果是 beam search 或者采樣的產物，每次都會有細微的不同。同樣地，ChatGPT 對輸入敏感，對于某個指令可能回 答不正確，但稍微替換幾個詞表達同樣的意思重新提問，又可以回答 正確，目前還不夠穩定。