问答 (Question answering, QA)

对用户问题给出直接答案的任务，可分为靠模型内建知识（closed-book）或先检索文档再回答（open-book / RAG）。

Question answering（QA，问答）是任务：对问题给出直接答案。两个主要做法：closed-book QA（模型完全靠训练时学到的知识）跟 open-book QA（给模型相关文档参考，像 RAG）。现代 AI 助手两者结合——通用问题用内建知识、specific 或最新信息用 retrieval。它重要的原因是：QA 是最自然的信息接口，也是价值最高的 AI 使用场景之一。搜索引擎逐渐被 QA 补充或取代——Perplexity、Google AI Overviews、ChatGPT search、You.com 都目标给你答案而非链接列表。在公司内部，对内部文档（HR 政策、技术文档、法律合同）做 QA 是最常见的 AI 部署之一。举个例子：「我们公司远程工作政策是什么？」——系统检索 HR 手册、找出相关段落、写出整合的回答附引用。或「台北人口多少？」——closed-book，模型直接知道。或「美联储昨天宣布了什么？」——需要 open-book 搜索。质量非常取决于准确的 retrieval（open-book）跟忠实的生成（避免幻觉）。强 QA 系统会引用来源、区分高低信心、不知道就拒绝。延伸阅读：RAG、search、hallucination、retrieval、Perplexity（公司）。