智能问答（Question Answering, QA）是一类利用人工智能技术，使计算机能够根据给定信息或知识库自动回答自然语言问题的技术方向。该任务涉及自然语言理解、信息检索、知识表示和文本生成等多个领域，目标是让机器不仅能够匹配关键词，还能够理解问题语义并从相关信息中生成有效答案。

智能问答的发展建立在自然语言处理、信息检索和机器阅读理解等长期研究基础之上。早期问答系统主要依赖规则匹配、知识库查询以及信息检索方法，对开放领域复杂问题的处理能力有限。随着深度学习的发展，研究人员开始利用神经网络提升机器对文本语义和上下文关系的理解能力。 2016 年，斯坦福大学研究人员在论文 SQuAD: 100,000+ Questions for Machine Comprehension of Text 中提出 SQuAD 数据集，该工作构建了大规模人工标注阅读理解基准，推动了机器阅读理解（Machine Reading Comprehension, MRC）和抽取式问答研究的发展，成为智能问答领域的重要代表性研究之一。

现代智能问答系统通常结合信息检索、预训练语言模型（如 BERT）、大语言模型（LLM）、检索增强生成（RAG）等技术，从文本、数据库或知识库中获取相关信息，并生成符合用户需求的答案。该技术已广泛应用于智能客服、搜索引擎、教育辅助、企业知识库和科研信息检索等场景，为人机自然语言交互提供了重要技术支撑。