問答 (Question answering, QA)

對使用者問題給出直接答案的任務，可分為靠模型內建知識（closed-book）或先檢索文件再回答（open-book / RAG）。

Question answering（QA，問答）是任務：對問題給出直接答案。兩個主要做法：closed-book QA（模型完全靠訓練時學到的知識）跟 open-book QA（給模型相關文件參考，像 RAG）。現代 AI 助理兩者結合——通用問題用內建知識、specific 或最新資訊用 retrieval。它重要的原因是：QA 是最自然的資訊介面，也是價值最高的 AI 使用場景之一。搜尋引擎逐漸被 QA 補充或取代——Perplexity、Google AI Overviews、ChatGPT search、You.com 都目標給你答案而非連結列表。在公司內部，對內部文件（HR 政策、技術文件、法律合約）做 QA 是最常見的 AI 部署之一。舉個例子：「我們公司遠端工作政策是什麼？」——系統檢索 HR 手冊、找出相關段落、寫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「美聯儲昨天宣佈了什麼？」——需要 open-book 搜尋。品質非常取決於準確的 retrieval（open-book）跟忠實的生成（避免幻覺）。強 QA 系統會引用來源、區分高低信心、不知道就拒絕。延伸閱讀：RAG、search、hallucination、retrieval、Perplexity（公司）。