Question(问题/提问)在人工智能语境下,既指用户向模型提出的输入查询,也指模型主动向人提问、对问题进行分类与排序的能力,正逐渐成为衡量智能体可用性的一项独立研究对象。围绕问题本身的研究和实践近期集中在三个方向:模型如何更精准地提问、问题如何被高效分类路由、以及问题的呈现顺序如何影响模型判断。
Question 相关的近期进展
当前焦点与观察点
围绕 Question 的讨论可以归纳为一条主线:从“回答得好”转向“问得对”。在检索增强场景中,Question's Gambit 的做法是在检索前先对查询做一步预判,据报道让 GPT-5.5 提升了 7 个点,说明查询改写与预处理的收益仍然可观;在评测层面,E-VQA 发布了证据支持的视频问答任务与 ST-Evidence 基准,把问答的可验证性推到了视频模态;在训练层面,用 17 美元、25 分钟基于 Qwen3.5 4B 微调出专用决策模型的案例,则展示了针对特定问答/决策任务做低成本定制的可行性。
值得持续观察的问题有三个:其一,主动提问(clarification)会否成为主流智能体的默认能力,还是被视为打断用户体验的成本;其二,问题顺序效应等评测发现能否沉淀为工程规范;其三,问题分类与路由是否会进一步下沉为各家智能体平台的基础组件。总体来看,Question 正在从单纯的输入文本,演变为一个包含分类、改写、澄清与审计的完整研究对象。