生成式对话系统在实际应用中面临着一些挑战和展现出一定的效果。生成式对话系统的挑战包括语义理解、流畅性、一致性和上下文理解等方面。语义理解是指系统理解用户输入的意图和含义，这需要处理自然语言复杂的语义结构。流畅性要求系统生成的回复自然流畅，不拗口，符合语言习惯。一致性指系统在不同场景下的回复要保持一致性，不出现矛盾。上下文理解要求系统能够理解对话的上下文，并作出合适的回复。然而，生成式对话系统通过学习大量真实对话数据，能够生成更具人类特点的回复，有时效果非常出色。它们可以提供更加个性化、有趣和自然的对话体验，更容易与用户建立情感联系。生成式对话系统也能够用于语音助手、聊天机器人等场景，为用户提供智能化的交互体验。然而，生成式对话系统在实际应用中仍存在一些问题，如受限于数据质量、模型效果和不确定性。因此，在实际应用中需要进行合理的配置和优化，以平衡效果和挑战。