大模型在风控领域应用时面临的难点与挑战主要包括以下几个方面：

1. 数据隐私与安全问题：随着大模型处理的数据量不断增加，数据隐私保护成为重要问题。数据泄露可能导致客户信任度下降，引发法律风险。

2. 模型解释性：大模型的复杂结构使得其决策过程难以解释，这在风控领域可能引发监管质疑和决策风险。

3. 技术人才短缺：开发和运维大模型需要精通数据科学、金融风控等多领域知识的复合型人才，人才的匮乏可能限制大模型的发展。

4. 数据质量与可用性：金融数据通常是分散且不完整的，这可能影响AI算法的效果。

5. 模型的准确性和可靠性：Gen AI生成的风控模型需要经过严格的验证和测试，以确保其准确性和可靠性。如何提高模型的泛化能力和抗干扰能力，是Gen AI发展的关键。

6. 伦理与价值观对齐：Gen AI可能会在生成内容时表现出偏见和歧视，这反映了训练数据中存在的社会偏见。如何确保Gen AI的输出与人类的伦理价值观相一致，避免加剧社会不公和歧视，是治理中的重要议题。

7. 透明度与可解释性：Gen AI的决策过程往往是黑箱化的，缺乏透明度和可解释性。这对于用户信任、监管合规以及模型的改进都构成了挑战。

8. 责任归属与监管框架：当Gen AI导致的错误或损害发生时，如何界定责任归属是一个复杂的问题。此外，现有的法律和监管框架可能不足以应对Gen AI带来的新挑战，需要建立新的监管体系和标准来规范Gen AI的开发和应用。

9. 技术与基础设施成本：金融机构在引入AI技术时，需要不断更新和优化系统，以适应市场环境和风险类型的变化。这需要金融机构在技术投入和人才培养上付出巨大努力。

10. 信息壁垒：在传统企业中，特别是在一些大型的企业中，信息壁垒是一个问题，这影响了AI风控技术的应用和发展。

这些挑战需要通过技术创新、政策支持、人才培养等多方面的努力来克服，以实现大模型在风控领域的有效应用。