什么是机器阅读理解？AI 如何从一篇文章里定位答案

机器阅读理解（Machine Reading Comprehension）是让 AI 阅读给定文章，再根据问题从文中找出或组织答案。它和开放问答不同：答案应该来自这篇材料，而不是模型自己的记忆。

常见做法有两种。抽取式直接标出文中的一段原文，便于核对；生成式会把几处信息写成一句完整回答，读起来更顺，也更容易漏掉限定条件。

它处在问答流程的哪一步？

问答系统是完整产品：可能先检索多篇文档，再阅读，再回答。阅读理解是其中「对着一篇材料作答」的能力。材料没写到的内容，应该说找不到，而不是用常识补上。这和自然语言推理里的「信息不足」是同一条边界，也是防止AI 幻觉的基本要求。

怎样用得更稳？

要求答案带上原文位置。问题里的时间、数量和否定词要单独核对。一篇材料里有多个候选时，先列出依据再选择。如果问题其实需要比较多篇文档，就不要假装单篇阅读已经够了。

小结

阅读理解让 AI 对着指定材料回答，而不是凭记忆发挥。它适合文档问答和考试式核验，答案是否成立仍要看原文。