摘要

多语言机器阅读理解（MMC）是一种问答（QA）子任务，涉及从给定的文本片段中引用问题的答案，其中问题和文本片段可以使用不同的语言。最近发布的多语言版BERT（m-BERT），预训练了104种语言，在零样本和微调设置下均表现出色；然而，它尚未应用于英-印地语的MMC任务。因此，本文介绍了我们在零样本、单语（例如，印地语问题-印地语片段）和跨语言（例如，英语问题-印地语片段）微调设置下使用m-BERT进行MMC实验的结果。这些模型变体在所有可能的多语言设置中进行了评估，并与当前针对这些语言的最佳顺序问答系统的结果进行了比较。实验表明，经过微调后的m-BERT在先前模型使用的两个数据集的所有评估设置中均提高了性能，从而确立了基于m-BERT的MMC作为英-印地语的新最先进水平。我们还发布了最近发布的XQuAD数据集扩展版本上的实验结果，并建议将其作为未来研究的评估基准。