Die automatische Fragegenerierung zielt darauf ab, Fragen aus einem Textabschnitt zu erzeugen, die durch bestimmte Teilabschnitte des gegebenen Textes beantwortet werden können. Traditionelle Methoden verwenden hauptsächlich starre heuristische Regeln, um einen Satz in verwandte Fragen zu transformieren. In dieser Arbeit schlagen wir vor, das neuronale Encoder-Decoder-Modell zur Generierung von sinnvollen und vielfältigen Fragen aus natürlichsprachlichen Sätzen einzusetzen. Der Encoder liest den Eingabetext und die Antwortposition ein, um eine antwortbewusste Eingaberepräsentation zu erzeugen, die dem Decoder zugeführt wird, um eine antwortfokussierte Frage zu generieren. Wir führen eine vorläufige Studie zur neuronalen Fragegenerierung aus Text mit dem SQuAD-Datensatz durch, und die Experimentsergebnisse zeigen, dass unsere Methode flüssige und vielfältige Fragen erzeugen kann.