# 抽出型質問応答

BERTアーキテクチャに基づいて微調整されたトルコ語の医療分野の質問応答モデルで、医療テキストから回答を抽出するために特別に設計されています。

ModernBERTをファインチューニングした質問応答モデルで、SQuADデータセットで優れた性能を発揮し、抽出型質問応答タスクに適しています。

flan-t5-baseモデルをベースに、SQuAD2.0データセットでファインチューニングされた抽出型質問応答モデルで、無回答を含む質問ペアを処理可能

RoBERTaアーキテクチャに基づくカタルーニャ語質問応答モデルで、カタルーニャ語質問応答タスクで優れた性能を発揮します。

これはELECTRA-baseアーキテクチャに基づく英語の抽出型質問応答モデルで、SQuAD 2.0データセットで訓練されており、質問応答タスクに適しています。

多言語BERTベースのタイ語抽出型質問応答モデルで、大文字小文字を区別でき、タイ語の質問応答タスクに適しています。

これはAutoNLPを基に訓練された抽出型質問応答モデルで、与えられたテキストから質問の答えを抽出することができます。

bert-base-multilingual-uncasedに基づく多言語質問応答モデルで、XQuADデータセットで微調整されました。

これは、スペイン語の長文版Longformerをベースに、SQACデータセットを使用して質問応答タスクに対して微調整されたモデルで、最大4,096トークンのテキストシーケンスをサポートします。

これはAutoNLPを基に訓練された抽出型質問応答モデルで、与えられたテキストから質問の答えを抽出することができます。

DistilBERTはBERTの軽量蒸留バージョンで、パラメータ数が40％減少し、速度が60％向上し、GLUEベンチマークテストでBERTの95％以上の性能を維持します。このモデルは質問応答タスク用に微調整されています。

スペイン語質問応答モデル。roberta-base-bneを微調整し、スペイン国立図書館の570GBのテキストデータで事前学習したものです。

これはスペイン語質問応答タスクに最適化されたRoBERTa大型モデルで、スペイン国立図書館の大規模コーパスを基に訓練されています。

BARTアーキテクチャに基づく抽出型質問応答モデルで、Squad 2.0データセットでトレーニングされ、F1スコアは87.4