Answering(问答,Question Answering)是人工智能领域的核心任务之一,指让模型根据给定文本、图像、视频或检索到的知识,对用户提出的问题生成准确答案。随着大语言模型和多模态模型的普及,问答正从简单的抽取式作答,演进为需要多步推理、证据追溯和智能体协作的复杂任务形态。
Answering 任务的近期进展
当前焦点与观察点
从近期研究看,Answering 的发展呈现三条主线。其一是多模态化,视频问答成为热点,评测重心从「答对与否」转向「能否给出证据」,ST-Evidence 等基准正是这一趋势的体现。其二是多跳与智能体化,AgentHop 和 GraphEvoResearcher 都指向同一问题:单一模型直接作答已不够,需要拆解问题、多轮检索与自我反思,同时控制推理成本。
其三是评测与诊断的细化,USAI-Quant 等基准开始把问答能力放到建筑环境等专业垂直场景中量化,检验视觉语言模型在定量推理上的短板。争议点在于:证据定位和成本约束类评测尚缺乏统一口径,不同基准之间的结论难以直接比较;此外,智能体式多跳问答的提升是否来自真实推理能力,而非检索偏置,仍是社区持续讨论的问题。后续值得观察的是,这些诊断型基准能否沉淀为通用能力指标,以及证据式问答何时落地到搜索与办公等实际产品中。