大規模言語モデルがより大きなモデルとなることで汎用的なものになり、多くのことができるようになっていますが、不得意なタスクもあります。

　不得意なタスクとして以下のものがあります。

• 高度な専門性を必要とするタスク
• 最新のデータに基づく推論
• 長時間のデータを扱うタスク

　高度な専門性を扱うタスクに関してLLMは論理的に理解し、入力に対する結果を出力するわけではありません。そのため、法律や自然科学の計算などは難しい部分があります。しかし、専門的な知識を学習させてあげることで一部を理解しているかのように出力する可能性はあります。

　最新のデータに関して学習を行っていない知識がアップデートされていない可能性があり、正確な出力を得られない場合があります。しかし、最新のモデルなどではインターネット検索が可能なLLMが登場しており、より、最新の情報を扱うことができるようになってきています。

　長時間のデータ、長いテキストを扱うタスクに関して、LLMはアテンション機構を用いて文章の依存関係を計算していますが、扱えるトークン数には限界があるため、それ以上の長さのデータを扱う際には、精度が落ちる可能性があります。

　しかし、どのタスクに関しても数年単位で見ると大幅に性能を改善しており、多くのタスクにおいて不得意と言われる分野に関してもすぐに改善されてしまうのではないでしょうか。