在你的专业领域，大模型目前最难跨越的一道「门坎」是什么？ (opens in new tab)

知乎用户，爱好广泛，喜欢扯淡 查看知乎原文 在我所在的这个领域，也就是金融、量化金融、量化交易这个方向，我越来越清晰地感受到：大模型在这里仍然存在明显的局限性。 这个问题其实是在一个非常具体的背景下暴露出来的。最近我在测试一个行情数据 API 提供的 MCP（Model Context Protocol）时发现了这些现象。我原本的期望很简单——既然给了模型一个标准化的行情数据 MCP，它就应该能够直接、可靠地调用数据，并计算一些最基本的指标，比如某只股票当天的涨跌幅。换句话说，我期待的是：给它一个结构化接口，它就能严谨地使用它。 但实际测试下来，并不是这样。 而且这种局限，并不只出现在所谓“能力较弱”的模型上。我用过的不管是中国还是美国号称最强的模型，最近都犯过一些相当低级的错误。回头复盘，这些问题的根源往往集中在一点——缺乏这个领域应有的细节把控能力。 举个最基础的例子。在金融和交易领域，什么是最基本的能力？知道一只股票今天涨了多少、跌了多少。这是最基础的数据认知。如果连涨跌幅的计算口径都不严谨，那后面谈模型分析、策略构建，其实都失去了根基。 一个量化老兵，拿到一个行情数据 A...