2025年最佳 474 款問答系統工具

DistilBERT是BERT的輕量級蒸餾版本，參數量減少40%，速度提升60%，保留95%以上性能。本模型是在SQuAD v1.1數據集上微調的問答專用版本。

DistilBERT是BERT的輕量級蒸餾版本，參數量減少40%，速度提升60%，在GLUE基準測試中保持BERT 95%以上的性能。本模型專為問答任務微調。

TAPAS是基於BERT架構的表格問答模型，通過自監督方式在維基百科表格數據上預訓練，支持對錶格內容進行自然語言問答

基於t5-base的問答生成模型，輸入答案和上下文，輸出相應問題

基於BERT-base-cased的問答對評估模型，用於判斷問題和答案是否語義相關

一個基於MIT許可證的文檔問答模型，主要用於測試目的。

DPR(密集段落檢索)是用於開放領域問答研究的工具和模型。該模型是基於BERT的問題編碼器，使用自然問題(NQ)數據集訓練。

MobileBERT是BERT_LARGE的輕量化版本，在SQuAD2.0數據集上微調而成的問答系統模型。

TAPAS是一個基於Transformer的表格問答模型，通過自監督學習在維基百科表格數據上預訓練，並在WTQ等數據集上微調。

基於BERT的密集段落檢索(DPR)問題編碼器，用於開放領域問答研究，在多個QA數據集上訓練

基於RoBERTa-base模型在法律合同問答任務上微調的模型，專為法律合同審查設計

基於mDeBERTa-v3-base的多語言問答模型，在SQuAD2.0數據集上進行了微調

基於T5-base架構訓練的答案感知問題生成模型，能夠根據文本中的高亮答案片段生成相應問題。

基於T5-base訓練的端到端問題生成模型，能夠從輸入文本中自動生成相關問題。

基於bert-large-uncased架構並在SQuAD2.0數據集上微調的問答模型

這是一個基於ELECTRA架構的大規模判別器模型，專門針對問答任務在SQuAD2.0數據集上進行了微調，能夠處理有答案和無答案的問答場景。

這是一個基於DistilBERT-base-cased模型，通過知識蒸餾技術在SQuAD v1.1數據集上微調得到的問答模型。

基於BioBERT-v1.1微調的生物醫學領域問答模型

TAPAS是基於Transformer架構的類BERT模型，專門用於處理表格數據，通過自監督方式在維基百科英文表格數據上預訓練，並在TabFact數據集上微調，用於判斷句子是否被表格內容支持或反駁。

該模型是基於T5-base架構，在SQuAD v1.1數據集上微調，專門用於問題生成任務。

基於Google BERT-Tiny架構，在SQuAD2.0問答數據集上微調的小型問答模型，體積僅16.74MB

這是一個基於ELECTRA架構的交叉編碼器模型，專門用於問答任務中的自然語言推理（NLI），判斷給定問題是否能由特定段落回答。

基於ALBERT base v2架構，在SQuAD v2數據集上微調的問答模型，擅長處理含無答案情況的閱讀理解任務

TAPAS是一種基於表格的問答模型，通過預訓練和微調處理表格數據的對話式問答任務。

COMETKiwi 是一個用於機器翻譯質量評估的模型，能夠根據源文本和翻譯文本輸出質量評分。

Splinter是一種通過自監督方式預訓練的少樣本問答模型，採用循環跨度選擇（RSS）目標進行預訓練，模擬抽取式問答中的跨度選擇過程。

基於BERTimbau基礎版微調的葡萄牙語問答模型，在葡萄牙語SQUAD v1.1數據集上訓練，適用於葡萄牙語問答任務。

這是Dicta - IL的dictalm2.0 - instruct模型的微調版本，專門用於生成希伯來語的問答對。

基於RoBERTa架構的中文抽取式問答模型，適用於從給定文本中提取答案的任務。

TAPEX是一種通過神經SQL執行器學習的表格預訓練模型，基於BART架構，專為表格推理任務設計。

基於flan-t5-base模型，使用SQuAD2.0數據集微調的抽取式問答模型，可處理包含無答案問題的問答對。

TAPAS是一種基於表格數據的問答模型，該微型版本在SQA數據集上微調，適用於對話場景下的表格問答任務。

Dynamic-TinyBERT是一種高效問答模型，通過動態序列長度縮減提升推理效率，在保持高準確率的同時實現最高3.3倍加速。

基於BETO模型通過蒸餾技術優化的西班牙語問答模型，比標準版更輕量高效

基於BioBERT v1.1 Pubmed模型在SQuAD V2數據集上微調的問答模型，專門用於生物醫學領域的問答任務

TAPAS是一個針對表格問答任務優化的微型Transformer模型，通過中間預訓練和多數據集鏈式微調實現表格理解能力

基於BERT基礎uncased模型在SQuAD1.1數據集上微調的問答系統模型

基於BERT架構的表格問答模型，通過中間預訓練增強數值推理能力，在SQA數據集上微調完成

基於RoBERTa的問答模型，專用於在給定問題和上下文的情況下推斷答案文本、範圍及置信度分數。

這是一個基於XLM-RoBERTa架構的預訓練模型，採用掩碼語言建模目標訓練，並在英語和俄語問答數據集上進行了微調。

基於CamemBERT的法語問答模型，在PIAF、FQuAD和SQuAD-FR三個法語問答數據集上微調而成

這是DistilBERT基礎未編碼模型的INT8量化版本，專為問答任務設計，通過訓練後靜態量化優化了模型大小和推理速度。