建设LLM产品很难 – 这是6个关键挑战

6 key challenges in developing LLM products

为什么LLM驱动的聊天机器人还没有席卷全球

目录

∘ 介绍 ∘ 挑战1：缺乏“AI战略” ∘ 挑战2：有限的数据 ∘ 挑战3：隐私/安全问题 ∘ 挑战4：上下文窗口 ∘ 挑战5：提示工程 ∘ 挑战6：提示注入 ∘ 结论 ∘ 参考资料

介绍

2022年11月，世界见证了OpenAI发布的ChatGPT，一个由强大的大型语言模型（LLM）GPT-3.5驱动的聊天机器人。在这一引入之后，各行各业的企业都被训练LLM并使用其数据构建自己领域特定产品的前景所吸引。

鉴于利用LLM带来的似乎无限的可能性，世界为未来预备着所有行业利用这些模型来创建突破性应用的前景。然而，快进9个月，这些新发现的AI工具并没有像我们希望或预期的那样具有颠覆性。

那些投入时间、金钱和人力资源来利用LLM的企业面临着一个令人警醒的事实：构建LLM产品是困难的。

• 通过将化学家的洞察力与AI模型相结合，在一个步骤中预测逆合成
• 数据科学的数据管理原则
• “QCNet：通过先进的轨迹预测革新自动驾驶车辆的安全性”

更具体地说，构建LLM产品的努力带来了一系列独特的挑战，这些挑战在AI应用的初始热潮中被掩盖了。

本文探讨了其中一些挑战，以揭示企业在开发LLM产品的过程中面临的常见问题。

挑战1：缺乏“AI战略”

尽管开发和部署LLM产品的技术挑战受到最多关注，但许多企业甚至没有准备好开始为此类项目制定计划。