# 高精度閱讀理解

基於XLM-RoBERTa-base架構微調的越南語問答模型，在UIT-ViQuAD數據集上表現優異

該模型是基於Legal-BERT在SQuAD數據集上微調的版本，專注於法律領域的問答任務。

基於DeBERTa-v3-xsmall架構的問答系統模型，專門針對SQuAD2.0數據集進行微調

基於BERT-large模型在SQuADv1數據集上微調的問答模型，採用二階剪枝技術優化

基於microsoft/deberta-base在adversarial_qa數據集上微調的問答模型

基於ALBERT架構的xlarge版本v2模型，在SQuAD V2數據集上微調，用於問答任務

該模型是基於BERT Base Uncased架構，在NewsQA問答數據集上微調的問答系統模型。

這是一個基於ELECTRA-base架構的英語抽取式問答模型，在SQuAD 2.0數據集上訓練，適用於問答任務。

該模型是基於RoBERTa架構，在SQuAD1.1數據集上微調的問答系統，能夠從給定上下文中提取問題的答案。

SpanBERT是由Facebook Research開發的預訓練模型，針對問答任務在SQuAD 2.0數據集上進行了微調。

基於BERTimbau Large訓練的葡萄牙語問答模型，在SQuAD v1.1葡萄牙語版上微調，適用於葡萄牙語問答任務。

這是一個針對問答任務在SQuADv1數據集上微調的BART-LARGE模型，適用於自然語言理解和生成任務。

基於ELECTRA-Large架構的兩階段訓練問答模型，先在合成對抗數據上訓練，再在SQuAD和AdversarialQA數據集上微調

這是一個針對問答任務在SQuADv2數據集上微調的bart-large模型，基於BART架構，適用於自然語言理解和生成任務。

BETO是基於大型西班牙語語料庫訓練的BERT模型，本版本針對西班牙語問答任務進行了微調

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。

XLNet是由谷歌與卡內基梅隆大學聯合開發的預訓練語言模型，在SQuAD 2.0問答數據集上進行了微調

基於electra-base-german-uncased微調的德語問答模型，在自建德語問答數據集(deQuAD)上訓練

意大利語BERT基礎版在意大利語SQuAD上微調，用於問答下游任務

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

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

基於ALBERT-xlarge-v2模型在SQuAD V2問答數據集上微調的問答系統

基於BART架構的抽取式問答模型，在Squad 2.0數據集上訓練完成，F1得分為87.4

基於GELECTRA Large架構微調的德語問答模型，在MLQA和XQUAD德語數據集上表現優異

該模型是基於SQuAD V1數據集對microsoft_deberta-large進行微調的版本，主要用於問答任務。

基於RoBERTa的英語抽取式問答模型，在SQuAD 2.0數據集上訓練，能處理有答案和無答案的問答場景

基於xlm-roberta-large-squad2模型微調的韓語問答系統，在KorQuAD評估中表現優異。

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。