想像一位精英學者，讀遍了地球上所有書籍，卻從未踏入交易大廳或醫院。儘管他們具備廣泛的邏輯推理能力，但卻缺乏 領域專屬的邏輯 進行高風險決策所需的關鍵要素。這正是基礎大型語言模型（LLMs）所面臨的挑戰。

通往專家之路

• 遷移學習與適應：我們並不會拋棄通用的掌握能力，而是在此基礎上進一步發展。領域適應是將模型的潛在空間重新調整，以識別新的語義邊界之特定應用。
• 持續預訓練：我們不是從零開始，而是在專門語料庫（例如美國證券交易委員會的申報文件）上執行額外的自監督學習。這會更新模型對詞彙的內部機率分佈。
• 中間任務訓練：這座橋樑會在最終微調至終極目標之前，教導模型該領域的「邏輯」——例如財務推理或法律分析。