Questions（提问/问答）在 AI 领域指用户或评测系统向大语言模型提出的问题，以及模型据此生成答案的整套问答（QA）机制——它既是人机交互的入口，也是衡量模型能力和安全性的核心标尺。随着模型能力提升，围绕 Questions 的研究正从“答得对不对”转向“答得稳不稳、敢不敢拒答、可不可审计”。
Questions 评估的近期进展
当前焦点与观察点
围绕 Questions 的讨论正在两条线上展开。一是技术层面：问答的稳定性、幻觉检测、误导性问题识别成为研究热点，说明社区已意识到一个提问得到多个矛盾答案，和答错一样会侵蚀信任。二是治理层面：Geoffrey Hinton 提议 AI 行业建立类似 FDA 的审批机制，要求模型在发布前通过安全审核（相关报道），这意味着对模型的“出题考试”可能从实验室自评走向制度化、标准化。
值得观察的是，Questions 的质量开始被与模型能力同等看待：研究界在追问模型如何应对前提错误的问题，业界则在讨论由谁来出题、按什么标准给模型“放行”。未来一年，问答基准与安全审核流程如何衔接，将直接影响模型的评测话语权归属。