Question Answering
Question Answering (Soru-Cevaplama), yapay zekânın kullanıcı tarafından yöneltilen bir soruyu verilen bağlam, belge, veri kaynağı veya modelin mevcut bilgisi doğrultusunda analiz ederek uygun bir yanıt üretmesi işlemidir. LLM’lerin temel görev türlerinden biridir.
Temel süreç: Soru → Bağlam/Bilgi → Anlama ve İlişkilendirme → Yanıt
Temel türleri
| Tür | Açıklama |
|---|---|
| Open-domain QA | Genel bilgi alanındaki soruları yanıtlar. |
| Closed-domain QA | Belirli bir uzmanlık alanındaki sorulara odaklanır. |
| Context-based QA | Yalnızca verilen metin veya belgeye dayanır. |
| RAG-based QA | Harici kaynaklardan bilgi getirerek yanıt oluşturur. |
| Multi-hop QA | Birden fazla bilgiyi ilişkilendirerek yanıt üretir. |
Basit örnek
“Aşağıdaki makaleye dayanarak araştırmanın temel hipotezi nedir? Yanıtını yalnızca verilen metindeki bilgilere dayandır ve metinde bulunmayan bilgi ekleme.”
Bu kullanım özellikle akademik makale, rapor ve uzun belgelerin incelenmesinde yararlıdır.
Extraction Prompt’tan farkı
Extraction, belgede bulunan belirli bilgileri çıkarır; Question Answering ise kullanıcının belirli bir sorusuna bağlama uygun yanıt oluşturur.
Kısaca: Question Answering, yapay zekânın bir soruyu anlayarak ilgili bilgileri belirlemesi ve bunlardan doğrudan bir yanıt üretmesi görevidir. Bir prompt tekniğinden çok, LLM’lerin temel NLP görevlerinden biri olarak değerlendirilir.
📚 Kaynakça ve Bu Maddeye Atıf
APA Formatı: YZ Hocası. (2026). Question Answering. YZ Hocası Ansiklopedisi. Erişim adresi: https://yzhocasi.com/question-answering/
BibTeX: @misc{yzhocasi_2029, title={Question Answering}, url={https://yzhocasi.com/question-answering/}, journal={YZ Hocası Ansiklopedisi}, year={2026}}