本发明提供了一种智能问答模型的生成方法，包括：扩充原始样本数据集以使存在与所述原始样本数据集中问题对应的正样本，生成新样本数据集；将生成的新样本数据集输入到现有问答模型中，所述现有问答模型从新样本数据集中的知识库和文档中获取与问题相关的特征编码，并计算现有问答模型的损失L_qa；将获得的特征编码加入到改进的对比学习模型中，分别计算出真样本与新样本数据集中的困难正、负样本之间的相似度，得出对比损失L_cl；将现有问答模型的损失L_qa和对比损失L_cl进行结合，得到最终问答模型的损失L，并训练最终问答模型。本发明在现有问答模型加入对比学习模型，模型泛化能力更强，同时在知识库问答取得的效果相比于传统的方法更好。