대규모 언어 모델이 가진 근본적인 약점과 한계. 특히 정형 데이터, 수치 추론, 최신 정보 등에서의 제약.
정형 데이터 처리 약점:
- 자연스러운 텍스트는 잘 이해
- 테이블이나 데이터베이스는 어려움
- 구조적 관계 파악 부족
다른 주요 약점:
- 정확한 수치 계산 어려움
- 최신 정보 (Knowledge Cutoff)
- 환각 (Hallucination)
- 논리적 일관성 부족
해결 방향:
- 프레임워크 개선 (StructGPT)
- 외부 도구 통합
- 하이브리드 시스템
중요성: LLM의 약점을 이해해야 효과적으로 활용 가능
관련: Structured-Data, , Hallucination