【摘要】 <正>在知识快速更新的当下，大语言模型虽已展现出强大能力，但知识瓶颈仍然存在，制约了其在专业领域的应用。知识增强大语言模型应运而生，本文梳理其发展脉络、剖析其面临的挑战、探究其应用场景与未来演进方向，揭开知识增强大语言模型背后的奥秘。大语言模型（large language model, LLM）凭借海量数据训练，在自然语言处理任务中展现出强大能力，但其依赖“参数内存”的隐式知识编码存在信息滞后、幻觉生成、推理偏差等瓶颈，制约了专业领域应用。在知识增强领域中，知识可被理解为对某人或某物的熟悉、意识和理解，例如事实（描述性知识）、技能（程序性知识）和事物^[1]。更多还原

【Abstract】 The knowledge bottlenecks of conventional large language models are analyzed, with an introduction of the model categories, knowledge structures, integration methods and a discussion of challenges.更多还原