如何看待大模型的能力边界与上限
哪些公司问过
答案要点
- 能力强项:语言理解、知识问答、代码、规则明确的推理;弱项:长链规划、严格证明、因果推断
- 可靠性问题:幻觉、知识时效、数据偏见,长任务误差累积
- 上限约束:高质量数据趋于稀缺、算力与能耗成本、缺乏持续学习
- 推理时扩展、强化学习、工具调用、合成数据等方向在持续推高上限
- 适用边界:可验证、有人复核的场景适合;高风险决策只做辅助,并关注隐私与安全
易错点
- 给出过于绝对的判断,比如大模型永远无法推理或马上实现通用智能
- 只谈技术局限,不谈伦理、安全与落地责任
- 不结合具体场景说明边界
面试官常见追问
- 什么该做,什么不该做?
- 幻觉能被彻底消除吗?
完整的口述示范答案、每个追问的参考回答,在启面刷题中心查看;也可以让 AI 面试官用语音按这道题连环追问你。