公开了一种基于对比学习的预训练语言模型处理方法和智能问答系统。所述方法包括：向样本添加提示占位符和掩码输出占位符以得到经处理的训练样本；将所述经处理的训练样本输入所述预训练语言模型PLM，以得到对掩码输出进行连续化表征的嵌入；以及以第一损失函数对所述PLM的神经网络进行调整，所述第一损失函数用于最小化同类样本的嵌入的组内距离，最大化非同类样本的嵌入的组间距离。本发明基于对比学习的思路，使得正负例在损失函数的约束下彼此远离，从而能够在不增添任何新参数以及避免人为设置任何模板和标签词的情况下实现高效的小样本学习。配备了基于此方法获取模型的智能问答系统能够获取良好的问题匹配能力。