基于大语言模型的问答技术研究进展综述

【目的】全面回顾和概述基于大语言模型的问答技术发展现状、机制原理以及应用趋势。【文献范围】选取与基于大语言模型的问答技术相关的73篇文献。【方法】系统梳理大语言模型的发展现状、参数高效微调策略，分别从面向简单问题的检索增强生成问答推理以及面向复杂问题的提示工程问题推理两方面，深入解析各技术的原理机制、应用价值与存在问题。通过定性分析，全面概述基于大语言模型的问答技术研究进展，并提出未来研究方向。【结果】开源预训练大语言模型不断涌现，高效微调策略可显著提升模型垂直领域适配性。借助文本嵌入与近似最近邻检索技术，检索增强生成技术可有效提升问答可解释性与可信度。借助精心构造的提示工程，可大幅拓展大语言模型的复杂问题推理能力。【局限】大语言模型相关研究发展迅速，调研工作未全面覆盖。【结论】基于大语言模型的问答技术在语义表示、复杂推理等多个方面均取得显著进展，融合外部知识的检索增强生成技术与提示工程技术是当前大语言模型领域的主要研究热点，未来研究工作可在生成内容可控、可信等方面展开深入探索。