摘要

我们展示了一个端到端的问题回答系统，该系统集成了BERT与开源的Anserini信息检索工具包。与当今大多数问题回答和阅读理解模型不同，这些模型通常处理少量输入文本，而我们的系统则结合了信息检索（IR）的最佳实践与基于BERT的阅读器，以从大量维基百科文章中识别答案，实现端到端的处理。我们在一个标准基准测试集合上报告了显著的性能提升，表明通过SQuAD对预训练的BERT进行微调足以在识别答案片段方面达到高精度。