本研究探讨大型语言模型（LLMs）在问答任务中的表现，提出单次推理提问方式以更有效处理不可回答的问题。结果表明，尽管小型微调模型在特定任务中表现更佳，但LLM在不同数据集上的泛化能力更强。

该文介绍了一种名为AGent的新型流水线，可以自动创建新的不可回答问题，并展示了其实用性。对这些问题进行微调的模型在多个EQA基准测试中表现出与在SQuAD 2.0数据集上进行微调的模型相当的性能。